| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 研究背景与意义 | 第14-19页 |
| 1.2 国内外研究状况 | 第19-23页 |
| 1.2.1 分布式融合算法 | 第19-22页 |
| 1.2.2 网络共识方法 | 第22-23页 |
| 1.3 本文的主要工作 | 第23-26页 |
| 第二章 基于随机集理论的分布式多目标跟踪理论 | 第26-37页 |
| 2.1 随机有限集数学工具 | 第26-27页 |
| 2.2 几种常用的随机有限集分布 | 第27-29页 |
| 2.3 单传感器多目标贝叶斯滤波器及近似方法 | 第29-34页 |
| 2.3.1 多目标转移密度函数 | 第30页 |
| 2.3.2 多目标似然函数 | 第30-32页 |
| 2.3.2.1 点迹量测模型 | 第31页 |
| 2.3.2.2 检测前跟踪(TBD)量测模型 | 第31-32页 |
| 2.3.3 基于多伯努利(MB)分布的多目标贝叶斯滤波器近似 | 第32-34页 |
| 2.3.3.1 基数均衡MB滤波器 | 第33页 |
| 2.3.3.2 MB-TBD滤波器 | 第33-34页 |
| 2.4 分布式多传感器多目标跟踪算法 | 第34-37页 |
| 2.4.1 广义协方差交集(GCI)分布式融合准则 | 第34-35页 |
| 2.4.2 基于GCI准则的PHD滤波器分布式融合算法 | 第35-36页 |
| 2.4.3 基于GCI准则的CPHD滤波器分布式融合算法 | 第36-37页 |
| 第三章 多伯努利滤波器的分布式融合算法 | 第37-64页 |
| 3.1 基于GCI准则的MB滤波器分布式(GCI-MB)融合算法 | 第37-48页 |
| 3.1.1 MB分布的分数指数幂近似方法 | 第38-43页 |
| 3.1.2 基于分数指数幂近似的广义多伯努利(GMB)融合后验分布 | 第43-46页 |
| 3.1.3 基于一阶矩统计特性匹配准则的MB后验分布近似 | 第46-47页 |
| 3.1.4 GCI-MB算法流程 | 第47-48页 |
| 3.2 基于序贯蒙特卡罗(SMC)方法的GCI-MB融合算法数值计算方法 | 第48-52页 |
| 3.2.1 离散粒子表征的MB分布连续化变换方法 | 第49-50页 |
| 3.2.2 GCI-MB融合参数的数值计算方法 | 第50-52页 |
| 3.2.3 基于SMC方法的GCI-MB融合算法实现 | 第52页 |
| 3.3 典型场景下算法性能评估 | 第52-61页 |
| 3.3.1 分布式传感器网络平行双目标跟踪场景 | 第53-58页 |
| 3.3.1.1 GCI-MB融合算法近似误差分析实验 | 第53-57页 |
| 3.3.1.2 GCI-MB融合算法有效性验证实验 | 第57-58页 |
| 3.3.2 分布式传感器网络多目标跟踪场景 | 第58-61页 |
| 3.3.2.1 GCI-MB融合算法性能评估实验 | 第59-61页 |
| 3.3.2.2 GCI-MB融合算法优效性验证实验 | 第61页 |
| 3.4 本章小结 | 第61-64页 |
| 第四章 分布式多伯努利滤波器的高效实现方法 | 第64-92页 |
| 4.1 GCI-MB融合算法描述 | 第64-65页 |
| 4.2 GCI-MB融合算法高效实现方法 | 第65-76页 |
| 4.2.1 基于目标分组的并行GCI-MB融合方法(GCI-MB-G)算法 | 第66-70页 |
| 4.2.2 基于GCI熵的分组构建方法 | 第70-72页 |
| 4.2.3 基于排序指派问题的组内GCI-MB融合优化方法 | 第72-75页 |
| 4.2.4 GCI-MB-G融合算法近似误差分析 | 第75-76页 |
| 4.3 基于SMC和混合高斯(GM)方法的GCI-MB-G融合数值计算方法 | 第76-84页 |
| 4.3.1 基于SMC方法的GCI-MB-G融合参数计算 | 第76-78页 |
| 4.3.2 基于GM方法的GCI-MB-G融合参数计算 | 第78-80页 |
| 4.3.3 GCI-MB-G融合参数表建立方法 | 第80-81页 |
| 4.3.4 目标分组过程实现 | 第81-83页 |
| 4.3.5 组内GCI-MB融合算法实现 | 第83-84页 |
| 4.3.6 GCI-MB-G融合算法实现 | 第84页 |
| 4.4 典型场景下GCI-MB-G算法性能评估 | 第84-90页 |
| 4.4.1 GCI-MB-G融合算法有效性验证场景 | 第85-87页 |
| 4.4.2 GCI-MB-G融合算法性能评估场景 | 第87-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第五章 分布式多伯努利滤波器的网络共识算法 | 第92-110页 |
| 5.1 GCI-MB融合的网络共识(C-GCI-MB)算法 | 第92-103页 |
| 5.1.1 GCI准则多节点推广形式 | 第94-95页 |
| 5.1.2 基于加权KLA的共识计算 | 第95-97页 |
| 5.1.3 GCI-MB融合的分布式网络共识算法 | 第97-99页 |
| 5.1.4 C-GCI-MB融合共识权重选择方法 | 第99-100页 |
| 5.1.5 C-GCI-MB融合：传感器间公共信息“重复计算”问题分析 | 第100-103页 |
| 5.2 基于GM算法的C-GCI-MB融合算法数值计算方法 | 第103-105页 |
| 5.2.1 基于GM方法的C-GCI-MB融合参数计算 | 第103-104页 |
| 5.2.2 分布式传感器网络的C-GCI-MB融合算法实现 | 第104-105页 |
| 5.3 典型场景下算法性能分析 | 第105-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第六章 全文总结与展望 | 第110-114页 |
| 6.1 全文总结 | 第110-112页 |
| 6.2 后续工作展望 | 第112-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-123页 |
| 攻读博士学位期间取得的研究成果 | 第123-125页 |
