摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究发展和现状 | 第11-13页 |
1.3 本文主要研究内容 | 第13-14页 |
第二章 典型的非线性滤波算法 | 第14-29页 |
2.1 标准卡尔曼滤波算法 | 第14-16页 |
2.2 扩展卡尔曼滤波算法 | 第16-18页 |
2.3 无迹卡尔曼滤波算法 | 第18-21页 |
2.4 粒子滤波算法 | 第21-25页 |
2.5 仿真分析 | 第25-28页 |
2.6 本章小结 | 第28-29页 |
第三章 基于量测转换的卡尔曼滤波算法 | 第29-49页 |
3.1 无偏量测转换卡尔曼滤波算法(UCMKF) | 第29-32页 |
3.2 修改的无偏量测转换卡尔曼滤波算法(MUCMKF) | 第32-34页 |
3.3 基于状态估计的量测转换卡尔曼滤波算法(ECCMKF) | 第34-39页 |
3.4 基于预测位置的量测转换卡尔曼滤波算法(PCCMKF) | 第39-43页 |
3.5 仿真分析 | 第43-48页 |
3.6 本章小结 | 第48-49页 |
第四章 非线性滤波在RAM类目标跟踪中的应用 | 第49-62页 |
4.1 RAM类目标跟踪系统方程的建立 | 第49-55页 |
4.2 量测方程非线性不同处理方法的比较 | 第55-58页 |
4.3 状态方程非线性不同处理方法的比较 | 第58-61页 |
4.4 本章小结 | 第61-62页 |
第五章 非线性滤波在机动目标跟踪中的应用 | 第62-84页 |
5.1 典型的机动目标跟踪算法 | 第62-74页 |
5.1.1 可调白噪声模型滤波算法 | 第62-63页 |
5.1.2“当前”统计模型滤波算法 | 第63-66页 |
5.1.3 交互式多模型算法 | 第66-69页 |
5.1.4 仿真分析 | 第69-74页 |
5.2 复杂环境下的机动目标跟踪 | 第74-82页 |
5.2.1 IMM-PDA算法 | 第74-77页 |
5.2.2 仿真分析 | 第77-82页 |
5.3 本章小结 | 第82-84页 |
第六章 结束语 | 第84-85页 |
致谢 | 第85-86页 |
参考文献 | 第86-89页 |
攻硕期间取得的研究成果 | 第89-90页 |