基于交互多模型的被动多传感器机动目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究状况 | 第9-11页 |
| ·多传感器数据融合研究现状 | 第9-10页 |
| ·机动目标跟踪研究现状 | 第10-11页 |
| ·论文主要工作及内容安排 | 第11-14页 |
| 第二章 机动目标跟踪模型及交互多模型算法 | 第14-24页 |
| ·引言 | 第14页 |
| ·目标的运动模型 | 第14-19页 |
| ·CV和CA模型 | 第14-15页 |
| ·一阶时间相关模型(Singer模型) | 第15-17页 |
| ·机动目标"当前"统计模型 | 第17-18页 |
| ·机动目标的转弯模型 | 第18-19页 |
| ·交互多模型算法 | 第19-23页 |
| ·目标的状态方程和观测方程 | 第19-20页 |
| ·交互多模型算法的基本原理 | 第20-22页 |
| ·交互多模型算法的性能分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于高斯滤波的交互多模型机动目标跟踪算法 | 第24-40页 |
| ·引言 | 第24页 |
| ·被动多传感器的目标跟踪建模 | 第24-25页 |
| ·常用的高斯滤波算法 | 第25-32页 |
| ·非线性贝叶斯跟踪 | 第25-26页 |
| ·卡尔曼滤波 | 第26-27页 |
| ·扩展卡尔曼滤波 | 第27-29页 |
| ·无迹卡尔曼滤波 | 第29-32页 |
| ·基于确定性采样的高斯滤波算法 | 第32-36页 |
| ·一维情况下样本点的选取 | 第32-34页 |
| ·高维情况下样本点的选取 | 第34-35页 |
| ·GF算法流程 | 第35-36页 |
| ·实验结果及分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 改进的交互多模型机动目标跟踪算法 | 第40-56页 |
| ·引言 | 第40页 |
| ·对角矩阵交互多模型算法 | 第40-47页 |
| ·按矩阵加权线性最小方差信息融合准则 | 第41-43页 |
| ·DIMM算法的流程 | 第43-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·基于模型切换时间的交互多模型算法 | 第47-54页 |
| ·模型切换时间的交互多模型算法 | 第48-50页 |
| ·STC-IMM算法的流程 | 第50-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 模型自适应的机动目标跟踪算法 | 第56-68页 |
| ·引言 | 第56页 |
| ·转弯模型自适应的机动目标跟踪算法 | 第56-60页 |
| ·转弯速率的计算 | 第56-57页 |
| ·转弯模型自适应算法中参数的设定 | 第57-58页 |
| ·实验结果及分析 | 第58-60页 |
| ·曲线模型自适应的机动目标跟踪算法 | 第60-66页 |
| ·曲线模型自适应跟踪算法 | 第60-63页 |
| ·算法流程 | 第63页 |
| ·实验结果及仿真 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者在读研期间的科研工作及研究成果 | 第76-77页 |
