| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 课题研究现状 | 第11-16页 |
| 1.2.1 多目标跟踪技术研究现状 | 第11-13页 |
| 1.2.2 多目标跟踪算法 | 第13-16页 |
| 1.3 论文研究内容及章节安排 | 第16-18页 |
| 第二章 概率假设密度滤波基本原理 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 随机有限集(RFS)理论 | 第18-20页 |
| 2.3 多目标状态与观测的RFS模型 | 第20-21页 |
| 2.4 多目标贝叶斯滤波 | 第21-22页 |
| 2.5 概率假设密度滤波 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于高斯混合概率假设密度滤波的多目标状态提取 | 第25-47页 |
| 3.1 引言 | 第25页 |
| 3.2 高斯混合概率假设密度(GM-PHD)滤波 | 第25-30页 |
| 3.2.1 多目标线性高斯模型 | 第25-26页 |
| 3.2.2 高斯混合PHD滤波递推算法 | 第26-30页 |
| 3.3 权值修正的GM-PHD滤波多目标状态提取 | 第30-37页 |
| 3.4 仿真结果与分析 | 第37-46页 |
| 3.4.1 高斯线性跟踪模型(3 个目标) | 第37-42页 |
| 3.4.2 高斯线性跟踪模型(6 个目标) | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于粒子概率假设密度滤波的多目标状态提取 | 第47-68页 |
| 4.1 引言 | 第47页 |
| 4.2 粒子概率假设密度(P-PHD)滤波 | 第47-52页 |
| 4.2.1 粒子滤波 | 第47-49页 |
| 4.2.2 粒子PHD滤波 | 第49-52页 |
| 4.3 免聚类P-PHD滤波多目标状态提取 | 第52-59页 |
| 4.3.1 粒子PHD滤波更新 | 第52-56页 |
| 4.3.2 子PHD筛选 | 第56-57页 |
| 4.3.3 免聚类多目标状态提取 | 第57-59页 |
| 4.4 仿真结果与分析 | 第59-67页 |
| 4.4.1 高斯线性跟踪模型 | 第60-64页 |
| 4.4.2 非线性跟踪模型 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 基于概率假设密度滤波的航迹关联 | 第68-86页 |
| 5.1 引言 | 第68-69页 |
| 5.2 基于GM-PHD滤波的航迹关联 | 第69-71页 |
| 5.3 基于P-PHD滤波的航迹关联 | 第71-78页 |
| 5.3.1 粒子云与粒子云混叠度 | 第71-75页 |
| 5.3.2 航迹关联方法 | 第75-78页 |
| 5.4 仿真结果与分析 | 第78-85页 |
| 5.4.1 高斯线性跟踪模型 | 第78-83页 |
| 5.4.2 非线性跟踪模型 | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 结束语 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 作者在学期间取得的学术成果 | 第93页 |