| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外发展及现状 | 第15-20页 |
| 1.2.1 传统数据关联技术 | 第17-18页 |
| 1.2.2 基于随机集的航迹关联方法 | 第18-20页 |
| 1.3 论文主要工作及章节安排 | 第20-22页 |
| 第二章 基于随机集的多目标跟踪基础 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 随机集理论概述 | 第22-25页 |
| 2.2.1 随机集定义 | 第22-24页 |
| 2.2.2 贝叶斯滤波框架 | 第24页 |
| 2.2.3 随机集理论的多目标模型 | 第24-25页 |
| 2.3 PHD滤波算法 | 第25-30页 |
| 2.3.1 高斯混合PHD滤波 | 第26-28页 |
| 2.3.2 粒子PHD滤波 | 第28-30页 |
| 2.4 CPHD滤波算法 | 第30-31页 |
| 2.5 随机集多目标性能评价指标 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于标记的概率假设密度航迹关联算法 | 第34-50页 |
| 3.1 引言 | 第34页 |
| 3.2 标记PHD算法 | 第34-38页 |
| 3.2.1 标记GM-PHD关联法 | 第34-36页 |
| 3.2.2 标记粒子PHD关联法 | 第36-38页 |
| 3.3 惩罚高斯混合概率假设密度（Penalized GM-PHD）滤波 | 第38-40页 |
| 3.4 合作惩罚高斯项标记法及改进算法 | 第40-45页 |
| 3.4.1 标记CP-GMPHD滤波 | 第40-43页 |
| 3.4.2 改进算法 | 第43-45页 |
| 3.5 仿真实验及分析 | 第45-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于随机集滤波的航迹关联算法 | 第50-68页 |
| 4.1 引言 | 第50页 |
| 4.2 基于标记particle-PHD的预测关联算法 | 第50-55页 |
| 4.2.1 标记预测关联算法 | 第50-51页 |
| 4.2.2 改进算法 | 第51-53页 |
| 4.2.3 仿真实验及分析 | 第53-55页 |
| 4.3 基于高斯混合PHD的航迹关联算法 | 第55-67页 |
| 4.3.1 航迹关联算法 | 第55-58页 |
| 4.3.2 改进的航迹关联算法 | 第58-61页 |
| 4.3.3 仿真实验及分析 | 第61-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
| 1. 基本情况 | 第78页 |
| 2. 教育背景 | 第78页 |
| 3. 攻读硕士学位期间的研究成果 | 第78-79页 |