目标跟踪的粒子滤波算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究的目的与意义 | 第9-10页 |
| ·粒子滤波研究现状 | 第10-14页 |
| ·粒子滤波发展现状 | 第10-12页 |
| ·粒子滤波应用现状 | 第12-14页 |
| ·本文主要内容 | 第14-15页 |
| 第二章 粒子滤波算法 | 第15-27页 |
| ·粒子滤波背景知识 | 第15-20页 |
| ·动态空间模型 | 第15-16页 |
| ·贝叶斯滤波 | 第16-19页 |
| ·蒙特卡罗方法 | 第19-20页 |
| ·粒子滤波算法 | 第20-26页 |
| ·序贯重要性采样 | 第21-23页 |
| ·重采样过程 | 第23-24页 |
| ·基本粒子滤波算法 | 第24-26页 |
| ·基本粒子滤波算法的主要问题 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基本重采样及增强多样性策略研究 | 第27-45页 |
| ·基本重采样算法 | 第27-29页 |
| ·基本重采样算法存在的问题及现有改进方法 | 第29-30页 |
| ·基于随机Sigma点集扩散的重采样算法 | 第30-37页 |
| ·随机Sigma点集 | 第30-31页 |
| ·算法原理 | 第31-32页 |
| ·算法步骤 | 第32-35页 |
| ·算法分析 | 第35-37页 |
| ·算法仿真及分析 | 第37-44页 |
| ·一维非线性跟踪模型 | 第37-41页 |
| ·多维状态的跟踪模型 | 第41-42页 |
| ·外辐射源场景的单目标跟踪实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 改善粒子滤波状态估计精度研究 | 第45-64页 |
| ·EKF与UKF算法 | 第45-49页 |
| ·EKF算法 | 第45-46页 |
| ·UKF算法 | 第46-49页 |
| ·引入观测信息的重采样算法 | 第49-56页 |
| ·算法原理 | 第50页 |
| ·算法过程 | 第50-53页 |
| ·算法分析 | 第53-56页 |
| ·算法仿真及分析 | 第56-63页 |
| ·一维非线性跟踪模型 | 第56-59页 |
| ·多维状态的跟踪模型 | 第59-61页 |
| ·外辐射源的单目标跟踪仿真实验 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 粒子流滤波 | 第64-75页 |
| ·粒子流滤波 | 第64-69页 |
| ·粒子流滤波原理 | 第66-67页 |
| ·粒子流滤波实现 | 第67-69页 |
| ·算法仿真及分析 | 第69-74页 |
| ·拟无旋近似法 | 第69-72页 |
| ·参量近似法 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结和展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻硕期间取得的研究成果 | 第83页 |
