摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题研究的目的及意义 | 第11-12页 |
1.2 课题研究的现状 | 第12-15页 |
1.2.1 目标跟踪研究历史 | 第12-13页 |
1.2.2 非线性滤波理论在目标跟踪中的应用现状 | 第13-14页 |
1.2.3 目标运动模型的发展现状 | 第14-15页 |
1.2.4 自适应滤波的研究现状 | 第15页 |
1.3 论文的主要工作及章节安排 | 第15-17页 |
第2章 非线性次优滤波算法 | 第17-34页 |
2.1 扩展卡尔曼滤波算法 | 第17-21页 |
2.1.1 最小方差估计 | 第17-18页 |
2.1.2 扩展卡尔曼 | 第18-21页 |
2.2 无迹卡尔曼滤波算法 | 第21-24页 |
2.2.1 UT变换 | 第21页 |
2.2.2 UT近似误差分析 | 第21-23页 |
2.2.3 UKF算法简述 | 第23-24页 |
2.3 CKF及SCKF滤波算法 | 第24-32页 |
2.3.1 坐标转换 | 第24-25页 |
2.3.2 球面规则 | 第25页 |
2.3.3 径向规则 | 第25-26页 |
2.3.4 球面-径向规则 | 第26-27页 |
2.3.5 高于三阶容积规则的不必要性 | 第27-28页 |
2.3.6 平方根容积卡尔曼 | 第28-29页 |
2.3.7 比较UKF和CKF | 第29页 |
2.3.8 容积卡尔曼滤波(CKF)步骤 | 第29-31页 |
2.3.9 平方根容积卡尔曼(SCKF)滤波步骤 | 第31-32页 |
2.4 本章小结 | 第32-34页 |
第3章 基于Sage-Husa自适应平方根CKF目标跟踪方法 | 第34-48页 |
3.1 Sage-Husa滤波算法 | 第34-37页 |
3.1.1 基于极大后验(MAP)估计常值噪声统计估计器 | 第35-36页 |
3.1.2 Sage-Husa滤波算法步骤 | 第36-37页 |
3.2 基于Sage-Husa和容积规则的常值噪声统计估计器及无偏性证明 | 第37-40页 |
3.2.1 有色噪声的CKF滤波算法 | 第37-38页 |
3.2.2 常值噪声统计估计器 | 第38-39页 |
3.2.3 无偏性证明 | 第39-40页 |
3.3 基于Sage-Husa和容积规则的时变噪声统计估计器 | 第40-41页 |
3.4 自适应平方根CKF滤波算法 | 第41-43页 |
3.4.1 平方根形式的噪声统计估计器 | 第41-42页 |
3.4.2 自适应SCKF算法步骤 | 第42-43页 |
3.5 仿真分析 | 第43-47页 |
3.5.1 仿真场景 | 第43-44页 |
3.5.2 仿真结果 | 第44-47页 |
3.6 本章小结 | 第47-48页 |
第4章 多重次优渐消因子的强跟踪平方根CKF目标跟踪方法 | 第48-59页 |
4.1 STF算法简介 | 第48-50页 |
4.2 SMFEKF算法简介 | 第50-51页 |
4.3 SMFSCKF算法 | 第51-55页 |
4.3.1 多重次优渐消因子加权强跟踪滤波器等价表述 | 第51-52页 |
4.3.2 SMFSCKF算法 | 第52-53页 |
4.3.3 正交性证明 | 第53-55页 |
4.4 仿真分析 | 第55-57页 |
4.4.1 仿真场景 | 第55-56页 |
4.4.2 仿真结果 | 第56-57页 |
4.5 本章小结 | 第57-59页 |
第5章 基于平方根CKF算法的交互式多模型目标跟踪方法 | 第59-72页 |
5.1 马尔可夫链简介 | 第59-60页 |
5.2 交互式多模型算法 | 第60-64页 |
5.2.1 交互式多模型算法基本原理 | 第60-61页 |
5.2.2 交互式多模型算法过程 | 第61-64页 |
5.3 基于SCKF的交互式多模型算法 | 第64-69页 |
5.3.1 基于CKF的交互式多模型算法 | 第64-66页 |
5.3.2 引入平方根形式的SCKF交互式多模型算法 | 第66-69页 |
5.4 实验仿真 | 第69-71页 |
5.4.1 仿真场景 | 第69-70页 |
5.4.2 仿真结果 | 第70-71页 |
5.5 本章小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-80页 |
攻读硕士学位期间发表的论文和科研成果 | 第80-81页 |
致谢 | 第81页 |