| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 插图目录 | 第13-14页 |
| 列表目录 | 第14-15页 |
| 第一章 绪论 | 第15-27页 |
| ·研究背景与意义 | 第15页 |
| ·机动目标跟踪理论基础 | 第15-17页 |
| ·机动目标跟踪研究现状 | 第17-20页 |
| ·机动目标建模 | 第17页 |
| ·多模型算法及模型集合设计 | 第17-18页 |
| ·非线性滤波理论 | 第18页 |
| ·数据关联技术 | 第18-20页 |
| ·本论文研究重点、创新点及章节安排 | 第20-22页 |
| ·论文的创新点 | 第20-21页 |
| ·论文章节安排 | 第21-22页 |
| 参考文献 | 第22-27页 |
| 第二章 当前统计模型的自适应强跟踪算法 | 第27-39页 |
| ·引言 | 第27-28页 |
| ·传统的“当前”统计模型跟踪算法 | 第28-30页 |
| ·机动自适应检测 | 第30-31页 |
| ·强跟踪滤波器 | 第31-32页 |
| ·正交性原理 | 第31页 |
| ·强跟踪滤波器的实现 | 第31-32页 |
| ·自适应强跟踪算法 | 第32-33页 |
| ·实验及结果分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 第三章 转弯机动目标的多模型跟踪方法 | 第39-55页 |
| ·引言 | 第39-40页 |
| ·目标转弯模型 | 第40-42页 |
| ·目标转弯运动 | 第40页 |
| ·恒转弯速率模型 | 第40-41页 |
| ·基于转弯模型的多模型方法 | 第41-42页 |
| ·曲线模型 | 第42-44页 |
| ·基于切向和法向加速度模型集合的嵌套IMM方法 | 第43-44页 |
| ·基于切向加速度模型集的半自适应IMM方法 | 第44页 |
| ·目标角速度估计方法 | 第44-47页 |
| ·速度方向角度取值规则 | 第45页 |
| ·速度方向角的多模型滤波方法 | 第45-46页 |
| ·速度方向角的多模型滤波方法步骤 | 第46-47页 |
| ·曲线模型的自适应跟踪算法 | 第47页 |
| ·曲线模型的自适应跟踪算法步骤 | 第47页 |
| ·基于转弯模型的两层IMM跟踪算法 | 第47-48页 |
| ·两层交互多模型跟踪算法步骤 | 第48页 |
| ·实验及结果分析 | 第48-53页 |
| ·本章小结 | 第53页 |
| 参考文献 | 第53-55页 |
| 第四章 通用的多模型设计方法 | 第55-77页 |
| ·引言 | 第55-56页 |
| ·通用的模型集合设计方法 | 第56-63页 |
| ·模式和模型数学建模 | 第56-57页 |
| ·最小分布误匹配设计 | 第57-58页 |
| ·最小距离设计 | 第58-60页 |
| ·矩匹配设计 | 第60-63页 |
| ·数论方法的代表点理论 | 第63-70页 |
| ·偏差基本理论 | 第64-65页 |
| ·单位立方体上的数论网格 | 第65-67页 |
| ·F-偏差代表点 | 第67-69页 |
| ·MSE准则的代表点 | 第69-70页 |
| ·基于概率分布代表点的多模型集合设计实现 | 第70-74页 |
| ·混合高斯分布 | 第70-71页 |
| ·实时修正的瑞利分布 | 第71-73页 |
| ·基于MSE准则代表点的模型集合 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 第五章 UKF采样策略及其混合滤波方法 | 第77-99页 |
| ·引言 | 第77-78页 |
| ·扩展卡尔曼滤波 | 第78-82页 |
| ·不敏卡尔曼滤波 | 第82-84页 |
| ·不敏变换 | 第82-83页 |
| ·不敏卡尔曼滤波算法 | 第83-84页 |
| ·粒子滤波 | 第84-86页 |
| ·粒子滤波原理 | 第84-85页 |
| ·消除权值退化的关键技术 | 第85-86页 |
| ·UKF的确定性粒子采样策略 | 第86-88页 |
| ·最小数量粒子采样策略 | 第86-87页 |
| ·最小对称粒子采样策略 | 第87页 |
| ·空间对称粒子采样策略 | 第87-88页 |
| ·滤波发散及其克服方法 | 第88-89页 |
| ·实验及结果分析 | 第89-94页 |
| ·本章小结 | 第94-95页 |
| 参考文献 | 第95-99页 |
| 第六章 单脉冲雷达的多目标数据关联 | 第99-117页 |
| ·引言 | 第99-100页 |
| ·单脉冲雷达跟踪原理 | 第100-106页 |
| ·信号的数学模型 | 第101-103页 |
| ·信号和差比值的概率分布 | 第103-104页 |
| ·基于Neyman-Person的推广似然比检测方法 | 第104-106页 |
| ·数据关联技术 | 第106-111页 |
| ·多目标模型 | 第106页 |
| ·关联区及有效矩阵 | 第106-107页 |
| ·关联事件和关联概率 | 第107-108页 |
| ·联合事件概率的计算 | 第108-110页 |
| ·JPDA算法的流程 | 第110-111页 |
| ·实验及结果分析 | 第111-113页 |
| ·本章小结 | 第113页 |
| 参考文献 | 第113-117页 |
| 第七章 总结与展望 | 第117-121页 |
| ·研究成果回顾 | 第117-119页 |
| ·当前统计模型的自适应强跟踪算法 | 第117页 |
| ·转弯机动目标的多模型跟踪方法 | 第117-118页 |
| ·基于概率分布代表点的模型集合设计方法 | 第118页 |
| ·UKF采样策略及其序贯和交互混合滤波方法 | 第118页 |
| ·单脉冲雷达的多目标检测与数据关联技术 | 第118-119页 |
| ·研究方向展望 | 第119-121页 |
| 在读期间发表的论文及参加的项目 | 第121-123页 |
| 致谢 | 第123页 |