| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究的背景及意义 | 第9页 |
| ·交互多模粒子滤波算法的发展现状 | 第9-11页 |
| ·本文的主要内容 | 第11-13页 |
| ·机动目标跟踪 | 第11-13页 |
| ·交互多模型粒子滤波算法 | 第13页 |
| ·论文章节安排 | 第13-15页 |
| 第二章 机动目标跟踪模型 | 第15-29页 |
| ·机动目标数学模型 | 第15-17页 |
| ·CV/CA模型 | 第17-19页 |
| ·其它模型 | 第19-22页 |
| ·时间相关模型 | 第19-20页 |
| ·半马尔可夫模型 | 第20-21页 |
| ·Noval统计模型 | 第21页 |
| ·机动目标“当前”统计模型 | 第21-22页 |
| ·机动转弯模型 | 第22页 |
| ·交互式多模型 | 第22-25页 |
| ·多模算法发展概述 | 第22-23页 |
| ·交互式多模算法 | 第23-25页 |
| ·仿真分析与比较 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 滤波状态估计 | 第29-41页 |
| ·滤波状态估计理论 | 第29-32页 |
| ·滤波状态估计的目的 | 第29页 |
| ·滤波状态估计的基本原理 | 第29-30页 |
| ·贝叶斯准则 | 第30-32页 |
| ·卡尔曼滤波算法 | 第32-33页 |
| ·扩展卡尔曼滤波算法 | 第33-34页 |
| ·粒子滤波算法 | 第34-37页 |
| ·蒙特卡罗方法 | 第34-36页 |
| ·蒙特卡罗方法的基本原理 | 第34-35页 |
| ·蒙特卡罗方法的步骤 | 第35-36页 |
| ·粒子滤波算法 | 第36-37页 |
| ·仿真分析与比较 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 改进的交互多模型粒子滤波算法 | 第41-49页 |
| ·传统的交互多模型粒子滤波算法 | 第41-47页 |
| ·交互式多模型建模原理 | 第41-43页 |
| ·粒子滤波算法原理 | 第43-45页 |
| ·交互多模粒子滤波算法 | 第45-47页 |
| ·改进的交互多模粒子滤波算法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 改进的交互多模型粒子滤波算法在机动目标跟踪中的应用与仿真分析 | 第49-55页 |
| ·IMMPF在机动目标跟踪中的应用 | 第49-50页 |
| ·改进的IMMPF算法在机动目标跟踪中的应用 | 第50-52页 |
| ·实验与仿真 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |