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 |