| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-17页 |
| ·机动目标跟踪问题的研究背景和意义 | 第13-14页 |
| ·机动目标跟踪问题的主要研究内容 | 第14页 |
| ·机动目标跟踪问题的研究现状 | 第14-16页 |
| ·本文研究内容及编排 | 第16-17页 |
| 第二章 机动目标跟踪基本理论与方法 | 第17-29页 |
| ·引言 | 第17页 |
| ·机动目标跟踪基本原理 | 第17-18页 |
| ·机动目标运动模型 | 第18-21页 |
| ·匀速模型和常加速模型 | 第18-19页 |
| ·Singer 模型 | 第19页 |
| ·“当前”统计模型 | 第19-21页 |
| ·卡尔曼滤波 | 第21-22页 |
| ·自适应滤波方法 | 第22-26页 |
| ·检测自适应滤波 | 第22-23页 |
| ·实时辨识自适应滤波 | 第23页 |
| ·全面自适应滤波 | 第23-26页 |
| ·多目标跟踪基本原理 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 新的粒子滤波算法研究 | 第29-48页 |
| ·引言 | 第29-30页 |
| ·非线性滤波算法 | 第30-34页 |
| ·扩展卡尔曼滤波 | 第30-31页 |
| ·高斯厄米特滤波 | 第31-33页 |
| ·高斯和滤波 | 第33-34页 |
| ·标准粒子滤波及其改进算法 | 第34-37页 |
| ·高斯粒子滤波 | 第37-39页 |
| ·高斯和粒子滤波 | 第39-41页 |
| ·代价参考粒子滤波算法 | 第41-44页 |
| ·代价参考粒子滤波算法的基本原理及步骤 | 第41-43页 |
| ·并行重采样算法 | 第43-44页 |
| ·代价参考粒子滤波与其他滤波算法性能对比 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于代价参考粒子滤波算法的机动目标跟踪研究 | 第48-72页 |
| ·引言 | 第48-49页 |
| ·经典的机动目标跟踪算法 | 第49-53页 |
| ·“当前”统计模型自适应跟踪算法 | 第49-51页 |
| ·交互多模型自适应算法 | 第51-53页 |
| ·基于代价参考粒子滤波算法的当前统计模型目标跟踪 | 第53-58页 |
| ·基于代价参考粒子滤波算法的当前统计模型目标跟踪原理 | 第53页 |
| ·基于代价参考粒子滤波算法的当前统计模型目标跟踪步骤 | 第53-54页 |
| ·仿真参数设置与仿真结果分析 | 第54-58页 |
| ·基于代价参考粒子滤波算法的多模型目标跟踪 | 第58-63页 |
| ·基于代价参考粒子滤波算法的多模型目标跟踪原理 | 第58页 |
| ·基于代价参考粒子滤波算法的多模型目标跟踪步骤 | 第58-59页 |
| ·仿真参数设置与仿真结果分析 | 第59-63页 |
| ·重采样过程与排序选取过程的性能比较 | 第63-66页 |
| ·重采样方法的思考 | 第63-64页 |
| ·重采样方法的仿真分析 | 第64-66页 |
| ·基于代价参考粒子滤波算法的多模型目标跟踪中模型数目的选择 | 第66-68页 |
| ·基于代价参考粒子滤波算法的当前统计模型与多模型性能比较 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于Rao-Blackwellised 粒子滤波算法的多目标数据关联 | 第72-85页 |
| ·引言 | 第72-73页 |
| ·基于Rao-Blackwellised 粒子滤波算法的数据关联 | 第73-84页 |
| ·Rao-Blackwellised 粒子滤波算法 | 第73-75页 |
| ·基于Rao-Blackwellised 粒子滤波算法的单机动目标跟踪仿真研究 | 第75-78页 |
| ·基于Rao-Blackwellised 粒子滤波算法的多目标数据关联 | 第78-81页 |
| ·基于Rao-Blackwellised 粒子滤波算法的数据关联仿真研究 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| ·本文工作总结 | 第85页 |
| ·对未来工作的展望 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-94页 |
| 在学期间发表的学术论文 | 第94页 |
