| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 目标跟踪算法综述 | 第11-14页 |
| 1.3.1 点目标跟踪 | 第11-12页 |
| 1.3.2 基于特征点的跟踪方法 | 第12页 |
| 1.3.3 基于模板匹配的跟踪方法 | 第12页 |
| 1.3.4 基于统计学模型的跟踪方法 | 第12-13页 |
| 1.3.5 基于学习的跟踪方法 | 第13页 |
| 1.3.6 基于压缩感知的跟踪方法 | 第13-14页 |
| 1.4 目标跟踪相关问题介绍 | 第14-15页 |
| 1.4.1 复杂的环境 | 第14页 |
| 1.4.2 遮挡问题 | 第14页 |
| 1.4.3 跟踪目标的形态和尺度变化 | 第14页 |
| 1.4.4 跟踪的实时性 | 第14-15页 |
| 1.5 论文主要工作及安排 | 第15-17页 |
| 第2章 压缩感知理论概述 | 第17-34页 |
| 2.1 引言 | 第17页 |
| 2.2 压缩感知理论基础 | 第17-19页 |
| 2.3 信号的稀疏表示 | 第19-21页 |
| 2.3.1 非冗余变换基 | 第19-20页 |
| 2.3.2 冗余字典 | 第20-21页 |
| 2.4 测量矩阵的构造设计 | 第21-25页 |
| 2.4.1 高斯随机测量矩阵 | 第22页 |
| 2.4.2 局部哈达玛矩阵(Hadamard) | 第22-23页 |
| 2.4.3 具有随机正交矩阵的单位矩阵 | 第23页 |
| 2.4.4 互补序列 | 第23-25页 |
| 2.5 数据的重构 | 第25-26页 |
| 2.5.1 重构原理 | 第25页 |
| 2.5.2 重构算法介绍 | 第25-26页 |
| 2.6 基于压缩感知的高效雷达图像重构跟踪 | 第26-33页 |
| 2.6.1 信号模型 | 第26-28页 |
| 2.6.2 提出高效的运算 | 第28-31页 |
| 2.6.3 实验结果与分析 | 第31-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 基于改进模板匹配的快速压缩目标跟踪 | 第34-43页 |
| 3.1 实时压缩跟踪器 | 第34-36页 |
| 3.1.1 压缩感知 | 第34-35页 |
| 3.1.2 分类器的设计 | 第35-36页 |
| 3.2 快速压缩跟踪器 | 第36页 |
| 3.3 提出算法 | 第36-38页 |
| 3.3.1 模板匹配 | 第37-38页 |
| 3.3.2 相似性度量 | 第38页 |
| 3.4 实验结果与分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于自适应压缩感知与处理的雷达多目标跟踪 | 第43-64页 |
| 4.1 引言 | 第43-44页 |
| 4.2 粒子滤波基本原理 | 第44-46页 |
| 4.2.1 状态空间模型 | 第44页 |
| 4.2.2 朴素贝叶斯估计 | 第44-45页 |
| 4.2.3 粒子滤波器 | 第45-46页 |
| 4.3 联合概率数据关联 | 第46-48页 |
| 4.3.1 确认矩阵 | 第47页 |
| 4.3.2 互联概率 | 第47-48页 |
| 4.4 基于自适应压缩感知与处理的雷达多目标跟踪 | 第48-63页 |
| 4.4.1 状态演化和测量模型 | 第48-52页 |
| 4.4.2 贝叶斯目标跟踪和期望SNR | 第52-53页 |
| 4.4.3 感测矩阵的构造和配置 | 第53-57页 |
| 4.4.4 结合联合概率数据关联的粒子滤波和ACSP的跟踪算法 | 第57-59页 |
| 4.4.5 实验结果与分析 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望与不足 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |