首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达跟踪系统论文

外辐射源雷达目标跟踪技术研究

摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-18页
   ·研究背景和意义第11页
   ·外辐射源雷达系统发展概述第11-12页
   ·外辐射源雷达目标跟踪技术概述第12-16页
     ·目标观测第13-14页
     ·单目标跟踪第14-15页
     ·多目标跟踪第15-16页
   ·本文的主要工作和章节安排第16-18页
     ·本论文研究的主要工作第16-17页
     ·本文章节安排第17-18页
第二章 外辐射源雷达目标观测第18-30页
   ·外辐射源雷达的目标观测第18-20页
     ·外辐射源第18-19页
     ·外辐射源雷达信号处理第19-20页
   ·外辐射源载频估计第20-29页
     ·信号模型第20-21页
     ·频率参数估计的Cramér-Rao 界第21-22页
     ·快速单频估计的经典方法第22-24页
     ·基于自相关的频率迭代估计改进算法第24-29页
   ·本章小结第29-30页
第三章 贝叶斯框架下的滤波技术综述第30-45页
   ·滤波问题的贝叶斯框架第30-31页
   ·卡尔曼滤波第31-32页
   ·扩展卡尔曼滤波第32-33页
   ·Uncented 卡尔曼滤波第33-35页
   ·粒子滤波第35-44页
     ·蒙特卡罗采样原理第35-36页
     ·重要性采样原理第36-37页
     ·序贯重要性采样方法第37-38页
     ·粒子退化第38-39页
     ·选择重要性建议分布第39-40页
     ·重采样第40-42页
     ·基本粒子滤波算法第42-43页
     ·粒子滤波算法的收敛性第43-44页
   ·本章小结第44-45页
第四章 改进的粒子滤波算法第45-66页
   ·粒子滤波改进算法第45-48页
     ·克服粒子退化的现有方法第45-47页
     ·克服粒子贫化的现有方法第47-48页
   ·基于观测信息的重采样方法第48-53页
     ·算法原理第48-49页
     ·算法实现第49-50页
     ·算法仿真及分析第50-53页
     ·算法小结第53页
   ·基于SIGMA 点的重采样算法第53-61页
     ·算法原理第53-54页
     ·算法实现第54-56页
     ·算法讨论第56-57页
     ·算法仿真及分析第57-61页
     ·算法小结第61页
   ·外辐射源雷达目标跟踪仿真第61-65页
   ·本章小结第65-66页
第五章 基于随机集粒子滤波的多目标跟踪第66-89页
   ·多目标跟踪问题第66-70页
     ·多目标跟踪理论概述第66-69页
     ·无数据关联的多目标跟踪第69-70页
   ·基于随机有限集统计理论的贝叶斯滤波介绍第70-74页
     ·多目标跟踪的随机有限集模型第70-71页
     ·基于随机有限集的贝叶斯滤波第71-72页
     ·随机有限集统计理论第72-74页
   ·概率假设密度滤波及其粒子滤波实现第74-80页
     ·概率假设密度滤波介绍第74-76页
     ·概率假设密度粒子滤波实现第76-79页
     ·多目标状态估计性能评估第79-80页
   ·PHD 粒子滤波中的目标状态估计第80-88页
     ·目标状态提取方法介绍第81-83页
     ·增强的目标状态提取方法第83-88页
     ·本节小结第88页
   ·本章小结第88-89页
第六章 粒子滤波算法的高速实现第89-115页
   ·基于FPGA 的粒子滤波硬件实现第89-99页
     ·算法分析与设计第89-95页
     ·实验及结果分析第95-99页
     ·本节小结第99页
   ·基于GPU 的粒子滤波并行实现第99-114页
     ·GPU 技术概述第99-102页
     ·CUDA 介绍第102-105页
     ·基于GPU 的交互式多模型粒子滤波实现第105-114页
     ·本节小结第114页
   ·本章小结第114-115页
第七章 全文总结与展望第115-117页
   ·总结第115-116页
   ·展望第116-117页
致谢第117-118页
参考文献第118-131页
作者攻博期间取得的研究成果第131-133页

论文共133页,点击 下载论文
上一篇:基于群智能优化的运动估计算法研究
下一篇:认知网络和LTE蜂窝网络中通信资源分配与功率控制算法的研究