多机动目标跟踪技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·多目标跟踪技术的研究背景和意义 | 第13-14页 |
| ·多目标跟踪技术的国内外研究的现状及发展趋势 | 第14-17页 |
| ·多目标跟踪数据关联技术的相关算法及其发展 | 第17-18页 |
| ·本文的主要工作 | 第18-20页 |
| 第二章 机动目标跟踪的基本理论与方法 | 第20-37页 |
| ·引言 | 第20页 |
| ·机动目标跟踪基本原理 | 第20-21页 |
| ·机动目标运动模型 | 第21-23页 |
| ·CV 和CA 模型 | 第21页 |
| ·时间相关模型（Singer 模型） | 第21-22页 |
| ·机动目标转弯模型 | 第22-23页 |
| ·机动目标“当前”统计模型 | 第23页 |
| ·目标跟踪的滤波方法 | 第23-31页 |
| ·目标跟踪中基本的滤波方法 | 第24-25页 |
| ·几种自适应滤波方法 | 第25-30页 |
| ·当前模型的模糊改进算法 | 第30-31页 |
| ·自适应滤波算法仿真与分析 | 第31-36页 |
| ·小结 | 第36-37页 |
| 第三章 单传感器多目标跟踪技术的研究 | 第37-57页 |
| ·引言 | 第37页 |
| ·多机动目标跟踪基本原理 | 第37-38页 |
| ·跟踪门的形成方法 | 第38-39页 |
| ·单传感器多目标航迹的起始算法 | 第39-43页 |
| ·航迹起始问题描述 | 第40页 |
| ·基于逻辑的起始方法 | 第40-41页 |
| ·三维目标航迹起始算法的仿真 | 第41-43页 |
| ·单传感器多目标跟踪的跟踪终结算法 | 第43-45页 |
| ·序列概率比检验（SPRT）算法 | 第43-44页 |
| ·SPRT 跟踪终结算法仿真分析 | 第44-45页 |
| ·目标跟踪中的数据关联算法 | 第45-56页 |
| ·最近邻数据关联算法 | 第46页 |
| ·概率数据关联算法 | 第46-47页 |
| ·改进当前模型－概率数据关联算法 | 第47-49页 |
| ·三种多模型算法的仿真比较 | 第49-51页 |
| ·联合概率数据关联算法及仿真分析 | 第51-56页 |
| ·小结 | 第56-57页 |
| 第四章 目标跟踪中的非线性滤波方法研究 | 第57-68页 |
| ·引言 | 第57页 |
| ·扩展卡尔曼滤波算法 | 第57-59页 |
| ·无味卡尔曼滤波基本理论及其算法 | 第59-64页 |
| ·无味变换 | 第59-60页 |
| ·无味卡尔曼滤波 | 第60-61页 |
| ·仿真分析 | 第61-64页 |
| ·粒子滤波基本理论及其算法 | 第64-67页 |
| ·标准粒子滤波的算法 | 第65-66页 |
| ·仿真分析 | 第66-67页 |
| ·三种非线性滤波方法的综合比较 | 第67页 |
| ·小结 | 第67-68页 |
| 第五章 基于支持向量机的多传感器多目标跟踪技术 | 第68-83页 |
| ·引言 | 第68页 |
| ·支持向量机基本理论及其算法 | 第68-73页 |
| ·支持向量机基本原理 | 第69-71页 |
| ·支持向量机的学习算法 | 第71-72页 |
| ·基于支持向量机的数据关联算法 | 第72-73页 |
| ·交互式多模型－无味卡尔曼滤波算法 | 第73-75页 |
| ·多传感器多目标跟踪数据融合的算法 | 第75-77页 |
| ·并行处理的多传感器融合算法 | 第75-76页 |
| ·顺序串行处理的多传感器融合算法 | 第76-77页 |
| ·仿真分析 | 第77-82页 |
| ·小结 | 第82-83页 |
| 第六章 总结及展望 | 第83-85页 |
| ·本文的主要工作 | 第83页 |
| ·本文的不足和进一步的展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 在学期间的研究成果及发表的学术论文 | 第89页 |
