毫米波交通雷达多目标跟踪算法研究与应用
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第12-18页 |
1.1 研究背景 | 第12-13页 |
1.2 国内外发展现状 | 第13-15页 |
1.3 课题研究意义 | 第15-16页 |
1.4 本文结构安排 | 第16-18页 |
第2章 卡尔曼滤波理论与数据关联算法 | 第18-44页 |
2.1 目标运动模型 | 第18-20页 |
2.2 卡尔曼滤波理论及相关扩展算法 | 第20-35页 |
2.2.1 射影定理 | 第21页 |
2.2.2 线性卡尔曼滤波 | 第21-25页 |
2.2.3 扩展卡尔曼滤波 | 第25-29页 |
2.2.4 不敏卡尔曼滤波 | 第29-32页 |
2.2.5 自适应不敏卡尔曼滤波 | 第32-35页 |
2.3 跟踪门 | 第35-36页 |
2.4 最近邻数据关联算法 | 第36-37页 |
2.5 概率数据关联算法 | 第37-43页 |
2.5.1 状态更新与协方差更新 | 第37-38页 |
2.5.2 关联概率 | 第38-41页 |
2.5.3 算法仿真 | 第41-43页 |
2.6 本章小结 | 第43-44页 |
第3章 实时多目标跟踪系统研究 | 第44-66页 |
3.1 点迹凝聚 | 第45-46页 |
3.2 航迹状态管理 | 第46-47页 |
3.3 航迹起始 | 第47-49页 |
3.4 航迹维持 | 第49-64页 |
3.4.1 改进的最近邻数据关联算法 | 第49-52页 |
3.4.2 航迹与航迹关联 | 第52-59页 |
3.4.3 改进的PDA算法 | 第59-64页 |
3.5 本章小结 | 第64-66页 |
第4章 多目标跟踪系统在车流量统计中的应用 | 第66-78页 |
4.1 传统车流量统计方法 | 第66-67页 |
4.2 基于多目标跟踪技术的车道识别 | 第67-71页 |
4.3 基于多目标跟踪技术的车流量统计 | 第71-73页 |
4.4 系统路测 | 第73-77页 |
4.5 本章小结 | 第77-78页 |
第5章 总结与展望 | 第78-80页 |
5.1 论文工作总结 | 第78-79页 |
5.2 不足与展望 | 第79-80页 |
参考文献 | 第80-84页 |
致谢 | 第84-86页 |
硕士期间参与的科研项目和发表的论文 | 第86页 |