| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第8-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 目标跟踪理论的研究意义 | 第13页 |
| 1.2 目标跟踪系统原理 | 第13-19页 |
| 1.2.1 跟踪的基本信息 | 第15-16页 |
| 1.2.2 跟踪坐标系的问题 | 第16-17页 |
| 1.2.3 跟踪滤波和目标运动方程 | 第17-19页 |
| 1.3 目标跟踪技术发展现状 | 第19-20页 |
| 1.4 本文的主要工作 | 第20-21页 |
| 第二章 估计理论 | 第21-41页 |
| 2.1 估计的基本概念 | 第21-32页 |
| 2.1.1 最大似然和最大后验概率估计 | 第21-27页 |
| 2.1.2 单个参数的最小二乘估计和最小均方误差估计 | 第27-28页 |
| 2.1.3 无偏估计和估计的方差 | 第28-31页 |
| 2.1.4 一致估计量和有效估计量 | 第31-32页 |
| 2.2 线性估计 | 第32-38页 |
| 2.2.1 高斯随机矢量的估计 | 第32-33页 |
| 2.2.2 线性最小均方误差估计 | 第33-34页 |
| 2.2.3 最小二乘估计 | 第34-36页 |
| 2.2.4 迭代最小二乘估计 | 第36-38页 |
| 2.3 线性随机系统的状态空间模型 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 卡尔曼滤波以及相关扩展算法 | 第41-67页 |
| 3.1 卡尔曼滤波 | 第41-50页 |
| 3.1.1 滤波模型和算法 | 第41-46页 |
| 3.1.2 稳定状态的卡尔曼滤波 | 第46-47页 |
| 3.1.3 状态估计的初始化 | 第47-49页 |
| 3.1.4 仿真实验 | 第49-50页 |
| 3.2 α-β 滤波 | 第50-59页 |
| 3.2.1 滤波模型 | 第50-53页 |
| 3.2.2 最优滤波增益的计算 | 第53-58页 |
| 3.2.3 仿真实验 | 第58-59页 |
| 3.3 扩展卡尔曼滤波 | 第59-65页 |
| 3.3.1 扩展卡尔曼滤波 | 第59-62页 |
| 3.3.2 仿真实验 | 第62-65页 |
| 3.4 本章小结 | 第65-67页 |
| 第四章 目标跟踪的数据处理 | 第67-77页 |
| 4.1 量测数据预处理 | 第67-71页 |
| 4.1.1 野值的判别方法 | 第67-68页 |
| 4.1.2 雷达量测去偏转化 | 第68-71页 |
| 4.2 数据关联 | 第71-73页 |
| 4.2.1 跟踪波门 | 第71-72页 |
| 4.2.2 最近邻方法 | 第72-73页 |
| 4.3 实际问题中的应用 | 第73-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |