| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 高超飞行器的发展历史及特点 | 第9-11页 |
| 1.2 多目标跟踪算法及多传感器协同感知跟踪 | 第11-13页 |
| 1.3 本文研究内容及其结构安排 | 第13-15页 |
| 第2章 基础理论 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 一般的跟踪估计算法 | 第15-20页 |
| 2.2.1 最小二乘估计和最大似然估计 | 第15页 |
| 2.2.2 卡尔曼滤波器 | 第15-17页 |
| 2.2.3 概率数据关联算法 | 第17-19页 |
| 2.2.4 联合概率数据关联算法 | 第19页 |
| 2.2.5 多假设跟踪算法 | 第19-20页 |
| 2.3 非线性滤波算法 | 第20-23页 |
| 2.3.1 扩展卡尔曼滤波器 | 第20-21页 |
| 2.3.2 无迹卡尔曼滤波器 | 第21-22页 |
| 2.3.3 粒子滤波 | 第22-23页 |
| 2.4 基于随机有限集的跟踪理论 | 第23-30页 |
| 2.4.1 随机有限集 | 第23-25页 |
| 2.4.2 概率假设密度（PHD）滤波器 | 第25页 |
| 2.4.3 势分布-概率假设密度（CPHD）滤波器 | 第25-26页 |
| 2.4.4 多伯努利滤波器 | 第26-27页 |
| 2.4.5 标签随机有限集 | 第27-29页 |
| 2.4.6 δ-GLMB滤波器 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 高超飞行器的模型及参数分析 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 高超飞行器的六自由度运动方程 | 第32-34页 |
| 3.3 高超飞行器的二维运动方程 | 第34-36页 |
| 3.4 高超飞行器的参数分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 高超飞行器跟踪算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 高超飞行器的跟踪算法 | 第41-45页 |
| 4.2.1 UKF多伯努利算法 | 第41-43页 |
| 4.2.2 UKF广义标签多伯努利算法 | 第43-45页 |
| 4.3 单高超飞行器跟踪仿真与分析 | 第45-47页 |
| 4.4 多高超飞行器跟踪仿真与分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 多传感器协同跟踪算法 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 多传感器贯序式数据融合算法 | 第52-54页 |
| 5.3 多传感器检测概率模型 | 第54页 |
| 5.4 目标检测模型 | 第54-56页 |
| 5.5 多传感器的GLMB估计算法 | 第56-59页 |
| 5.6 仿真与分析 | 第59-62页 |
| 5.7 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 研究总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 附录 | 第74-75页 |