| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.2.1 目标跟踪研究现状 | 第10-12页 |
| 1.2.2 PHD 滤波研究现状 | 第12-13页 |
| 1.3 本文的研究内容及组织结构 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 本文组织结构 | 第14-15页 |
| 第2章 基于 PHD 滤波的多目标跟踪 | 第15-26页 |
| 2.1 多目标跟踪问题的模型 | 第15-18页 |
| 2.2 PHD 滤波 | 第18-20页 |
| 2.2.1 预测步 | 第19页 |
| 2.2.2 更新步 | 第19-20页 |
| 2.3 PHD 滤波的粒子滤波实现 | 第20-22页 |
| 2.3.1 预测步 | 第20-21页 |
| 2.3.2 更新步 | 第21页 |
| 2.3.3 重采样步 | 第21-22页 |
| 2.3.4 状态估计步 | 第22页 |
| 2.4 实验结果与分析 | 第22-25页 |
| 2.4.1 实验场景设置 | 第22-23页 |
| 2.4.2 实验结果与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于 STPHD 滤波的多传感器融合 | 第26-47页 |
| 3.1 STPHD 滤波理论 | 第26-32页 |
| 3.1.1 STPHD 滤波的特点 | 第26-27页 |
| 3.1.2 STPHD 滤波证明简述 | 第27-30页 |
| 3.1.3 基于 STPHD 滤波的峰值提取 | 第30-32页 |
| 3.2 多传感器融合框架 | 第32-41页 |
| 3.2.1 算法原理 | 第32-33页 |
| 3.2.2 融合框架的关联步模型 | 第33-36页 |
| 3.2.3 融合框架的融合步模型 | 第36-41页 |
| 3.3 基于 STPHD 滤波的多传感器融合算法 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-46页 |
| 3.4.1 实验场景设置 | 第43-44页 |
| 3.4.2 实验结果与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于 QSTCPHD 滤波的多传感器融合 | 第47-60页 |
| 4.1 CPHD 滤波 | 第47-52页 |
| 4.1.1 算法原理 | 第48页 |
| 4.1.2 概率产生函数 | 第48-50页 |
| 4.1.3 预测步 | 第50-51页 |
| 4.1.4 更新步 | 第51-52页 |
| 4.1.5 状态估计步 | 第52页 |
| 4.2 CPHD 滤波的粒子实现 | 第52-53页 |
| 4.2.1 预测步 | 第52-53页 |
| 4.2.2 更新步 | 第53页 |
| 4.2.3 状态估计步 | 第53页 |
| 4.2.4 重采样步 | 第53页 |
| 4.3 QSTCPHD 滤波 | 第53-56页 |
| 4.3.1 对应函数 | 第54-55页 |
| 4.3.2 从 STPHD 到 QSTCPHD 的推广 | 第55-56页 |
| 4.3.3 算法实现 | 第56页 |
| 4.4 基于 QSTCPHD 滤波的多传感器融合算法 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-59页 |
| 4.5.1 实验场景设置 | 第57页 |
| 4.5.2 实验结果与分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |