第一章 绪论 | 第1-12页 |
1.1 机动目标跟踪理论的研究概况 | 第8-9页 |
1.2 本文的主要研究工作及内容安排 | 第9-12页 |
第二章 机动目标跟踪的基本理论与方法 | 第12-30页 |
2.1 机动目标跟踪的基本原理 | 第12-13页 |
2.1.1 单机动目标跟踪的基本原理 | 第12页 |
2.1.2 多机动目标跟踪的基本原理 | 第12-13页 |
2.2 机动目标跟踪的基本要素 | 第13-16页 |
2.2.1 量测数据的形成 | 第13-14页 |
2.2.2 机动检测 | 第14页 |
2.2.3 跟踪坐标系与滤波状态变量的选取 | 第14页 |
2.2.4 跟踪门的形成 | 第14-15页 |
2.2.5 跟踪起始与跟踪终结 | 第15-16页 |
2.3 目标跟踪的数学模型 | 第16-19页 |
2.3.1 目标的运动模型和量测模型 | 第16页 |
2.3.2 CV和 CA运动模型 | 第16-17页 |
2.3.3 机动目标的转弯模型(CT模型) | 第17-18页 |
2.3.4 机动目标当前统计模型 | 第18-19页 |
2.4 卡尔曼滤波算法 | 第19-23页 |
2.4.1 卡尔曼滤波算法的基本原理 | 第19-21页 |
2.4.2 扩展卡尔曼滤波算法 | 第21-22页 |
2.4.3 滤波器的初始化 | 第22页 |
2.4.4 滤波发散现象 | 第22-23页 |
2.5 自适应滤波算法 | 第23-24页 |
2.5.1 检测自适应滤波 | 第23页 |
2.5.2 实时辨识自适应滤波 | 第23-24页 |
2.5.3 全面自适应滤波 | 第24页 |
2.6 数据关联算法 | 第24-27页 |
2.6.1 单目标跟踪的数据关联算法 | 第25-26页 |
2.6.2 多目标跟踪的数据关联算法 | 第26-27页 |
2.7 蒙特卡洛仿真及跟踪误差统计分析 | 第27-29页 |
2.7.1 蒙特卡洛仿真 | 第27-28页 |
2.7.2 跟踪误差统计分析 | 第28-29页 |
2.8 本章小结 | 第29-30页 |
第三章 基于交互式多模型算法的单机动目标跟踪 | 第30-44页 |
3.1 交互式多模型算法 | 第30-34页 |
3.1.1 交互式多模型算法的基本原理 | 第30-33页 |
3.1.2 交互式多模型算法分析 | 第33-34页 |
3.2 概率数据关联算法 | 第34-36页 |
3.2.1 概率数据关联算法的基本思想 | 第34页 |
3.2.2 概率数据关联算法简介 | 第34-36页 |
3.3 交互式多模型概率数据关联算法 | 第36-38页 |
3.4 算法仿真及分析 | 第38-43页 |
3.4.1 IMM算法仿真 | 第38-41页 |
3.4.2 IMMPDA算法仿真 | 第41-43页 |
3.5 本章小结 | 第43-44页 |
第四章 基于线性规划的多机动目标跟踪 | 第44-68页 |
4.1 联合概率数据关联算法 | 第44-48页 |
4.1.1 聚矩阵及可行事件的构造 | 第44-46页 |
4.1.2 关联概率的计算 | 第46-48页 |
4.1.3 JPDA算法计算量分析 | 第48页 |
4.2 基于线性规划的数据关联算法 | 第48-55页 |
4.2.1 线性规划 | 第48页 |
4.2.2 LPDA算法简介 | 第48-53页 |
4.2.3 LPDA算法性能分析 | 第53-55页 |
4.3 多目标跟踪的线性规划数据关联算法 | 第55-56页 |
4.3.1 线性规划数据关联滤波算法 | 第55-56页 |
4.3.2 基于LPDA 算法的多目标跟踪起始 | 第56页 |
4.4 多机动目标跟踪的交互式多模型线性规划数据关联算法 | 第56-60页 |
4.4.1 交互式多模型线性规划数据关联算法概述 | 第56-60页 |
4.4.2 IMMJPDA算法与IMMLPDA算法比较 | 第60页 |
4.5 算法仿真及分析 | 第60-66页 |
4.5.1 LPDA算法仿真 | 第61-64页 |
4.5.2 IMMLPDA算法仿真 | 第64-66页 |
4.6 本章小结 | 第66-68页 |
第五章 总结与展望 | 第68-70页 |
5.1 本文工作总结 | 第68-69页 |
5.2 展望 | 第69-70页 |
参考文献 | 第70-74页 |
硕士期间所发表的论文 | 第74-75页 |
致谢 | 第75-76页 |
西北工业大学学位论文知识产权声明书 | 第76页 |
西北工业大学学位论文原创性声明 | 第76页 |