| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究机动目标跟踪的目的和意义 | 第7页 |
| ·机动目标跟踪中的滤波算法 | 第7-8页 |
| ·目标跟踪技术有待进一步解决的问题 | 第8-9页 |
| ·滤波算法的稳定性和准确性 | 第8-9页 |
| ·滤波过程中的系统偏差的问题 | 第9页 |
| ·本文的主要工作 | 第9-11页 |
| 第二章 机动目标跟踪的原理及方法 | 第11-35页 |
| ·机动目标跟踪原理 | 第11-12页 |
| ·机动目标模型 | 第12-18页 |
| ·CV 和CA 模型 | 第12-13页 |
| ·时间相关模型 | 第13-15页 |
| ·半马尔可夫模型 | 第15-16页 |
| ·Noval 统计模型 | 第16页 |
| ·“当前”统计模型 | 第16-18页 |
| ·滤波算法介绍 | 第18-26页 |
| ·两点外推滤波 | 第18-19页 |
| ·维纳滤波 | 第19页 |
| ·α-β和α-β-γ滤波 | 第19-22页 |
| ·卡尔曼滤波 | 第22-24页 |
| ·扩展卡尔曼滤波(EKF) | 第24-26页 |
| ·算法仿真 | 第26-34页 |
| ·卡尔曼滤波算法与α- β滤波算法对比仿真实验 | 第26-27页 |
| ·卡尔曼滤波算法与α-β- γ滤波算法对比仿真实验 | 第27-28页 |
| ·基于“当前”统计模型的卡尔曼滤波算法仿真 | 第28-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 神经网络 | 第35-47页 |
| ·神经网络简介 | 第35-36页 |
| ·神经网络的结构及分类 | 第36-38页 |
| ·BP 神经网络 | 第38-43页 |
| ·BP 神经网络的结构 | 第39页 |
| ·BP 网络学习算法 | 第39-40页 |
| ·BP 算法的改进 | 第40-41页 |
| ·BP 神经网络的设计 | 第41-43页 |
| ·实例仿真 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于 BP 神经网络的卡尔曼滤波器 | 第47-53页 |
| ·卡尔曼滤波需要校正的原因及校正原理 | 第47-48页 |
| ·校正原因 | 第47-48页 |
| ·校正原理 | 第48页 |
| ·基于BP 神经网络的卡尔曼滤波器的设计 | 第48-51页 |
| ·基于BP 神经网络的卡尔曼滤波器的结构 | 第48页 |
| ·BP 神经网络的结构设计 | 第48-49页 |
| ·BP 神经网络的训练 | 第49-50页 |
| ·泛化能力的提升 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 ANNKF 在目标跟踪中的应用 | 第53-61页 |
| ·剪形机动目标跟踪 | 第54-56页 |
| ·蛇形机动目标跟踪 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士期间研究成果 | 第68-69页 |