| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究发展现状 | 第11-13页 |
| 1.3 论文组织结构及创新点说明 | 第13-15页 |
| 第2章 目标跟踪问题的研究现状 | 第15-29页 |
| 2.1 典型的目标跟踪算法 | 第15-17页 |
| 2.1.1 基于二进制探测的目标跟踪算法 | 第15-16页 |
| 2.1.2 基于粒子滤波的跟踪算法 | 第16页 |
| 2.1.3 基于预测的目标跟踪 | 第16-17页 |
| 2.2 动态系统的滤波理论与算法 | 第17-21页 |
| 2.2.1 离散时间线性系统状态估计问题的一般描述 | 第17-18页 |
| 2.2.2 扩展卡尔曼滤波器(EKF) | 第18-19页 |
| 2.2.3 无迹卡尔曼滤波器(UKF) | 第19-21页 |
| 2.3 遗传算法基本原理与实现过程 | 第21-24页 |
| 2.3.1 遗传算法基本原理 | 第21页 |
| 2.3.2 遗传算法实现过程 | 第21-23页 |
| 2.3.3 遗传算法具体实现步骤 | 第23-24页 |
| 2.4 粒子滤波算法 | 第24-28页 |
| 2.4.1 粒子滤波器基本原理 | 第24-25页 |
| 2.4.2 序贯重要性采样过程 | 第25-26页 |
| 2.4.3 粒子集的退化 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 改进的自适应强跟踪UKF滤波算法 | 第29-37页 |
| 3.1 自适应UKF滤波 | 第29-31页 |
| 3.1.1 UT变换 | 第29-30页 |
| 3.1.2 自适应UKF算法原理 | 第30-31页 |
| 3.2 模糊自适应强跟踪UKF算法 | 第31-34页 |
| 3.2.1 强跟踪UKF算法 | 第31-32页 |
| 3.2.2 模糊逻辑自适应系统 | 第32-33页 |
| 3.2.3 模糊自适应强跟踪UKF算法步骤 | 第33-34页 |
| 3.3 算法模型及仿真分析 | 第34-37页 |
| 3.3.1 算法模型及参数 | 第34页 |
| 3.3.2 仿真分析 | 第34-37页 |
| 第4章 改进的粒子滤波算法 | 第37-55页 |
| 4.1 改进的自适应遗传算法 | 第37-39页 |
| 4.1.1 自适应遗传算法 | 第38页 |
| 4.1.2 改进的交叉算子 | 第38-39页 |
| 4.1.3 MCMC变异算子 | 第39页 |
| 4.2 基于MCMC的粒子滤波 | 第39-43页 |
| 4.2.1 算法的基本原理 | 第39-42页 |
| 4.2.2 Metropolis sampler抽样过程 | 第42-43页 |
| 4.3 基于GA-MCMC的自适应无迹卡尔曼粒子滤波算法 | 第43-50页 |
| 4.3.1 算法流程图 | 第43-45页 |
| 4.3.2 算法步骤 | 第45-50页 |
| 4.4 算法模型及仿真分析 | 第50-54页 |
| 4.4.1 算法模型及参数 | 第50-51页 |
| 4.4.2 仿真分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
