基于光学测量信息的多源融合目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 目标跟踪结构 | 第10-11页 |
| 1.2.2 数据融合方法 | 第11-13页 |
| 1.2.3 非线性滤波方法 | 第13-14页 |
| 1.3 本文内容安排 | 第14-16页 |
| 第2章 机动目标跟踪模型 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 目标运动模型 | 第16-22页 |
| 2.2.1 常速度模型和常加速度模型 | 第16-18页 |
| 2.2.2 Singer模型 | 第18-19页 |
| 2.2.3 “当前”统计模型 | 第19-21页 |
| 2.2.4 协同转弯模型 | 第21-22页 |
| 2.3 光学传感器测量模型 | 第22-28页 |
| 2.3.1 被动光学传感器测量模型 | 第22-23页 |
| 2.3.2 主动光学传感器测量模型 | 第23-24页 |
| 2.3.3 基于最小二乘算法的目标定位方法 | 第24-28页 |
| 2.4 数学仿真 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于非线性滤波算法的机动目标跟踪 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 扩展卡尔曼滤波算法 | 第31-33页 |
| 3.3 无迹卡尔曼滤波算法 | 第33-35页 |
| 3.4 高阶容积卡尔曼滤波算法 | 第35-39页 |
| 3.5 数学仿真 | 第39-43页 |
| 3.5.1 不同非线性滤波算法跟踪精度对比 | 第39-41页 |
| 3.5.2 不同目标运动模型跟踪精度对比 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 多源数据融合目标跟踪方法 | 第44-63页 |
| 4.1 引言 | 第44页 |
| 4.2 基于高阶容积卡尔曼滤波的交互式多模型算法 | 第44-49页 |
| 4.2.1 输入交互 | 第46页 |
| 4.2.2 并行滤波 | 第46-48页 |
| 4.2.3 更新模型概率 | 第48页 |
| 4.2.4 融合输出 | 第48-49页 |
| 4.3 基于多源数据的交互式多模型算法 | 第49-59页 |
| 4.3.1 概率数据互联算法 | 第49-54页 |
| 4.3.2 多传感器概率互联算法 | 第54-56页 |
| 4.3.3 多探测器多模型融合算法 | 第56-59页 |
| 4.4 数学仿真 | 第59-62页 |
| 4.4.1 无杂波环境 | 第59-60页 |
| 4.4.2 杂波环境 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间所发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
