| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究现状及发展趋势 | 第15-18页 |
| 1.2.1 目标运动模型 | 第15页 |
| 1.2.2 数据关联与估计融合 | 第15-16页 |
| 1.2.3 基于随机有限集的跟踪方法 | 第16-17页 |
| 1.2.4 目标跟踪的性能指标 | 第17-18页 |
| 1.3 论文的主要内容 | 第18-20页 |
| 第二章 ESM 建模与目标跟踪理论基础 | 第20-41页 |
| 2.1 引言 | 第20页 |
| 2.2 滤波算法 | 第20-26页 |
| 2.2.1 Kalman 滤波 | 第20-21页 |
| 2.2.2 扩展卡尔曼滤波（EKF） | 第21-23页 |
| 2.2.3 基于 Unscented 变换的卡尔曼滤波（UKF） | 第23-25页 |
| 2.2.4 Bayes 滤波 | 第25-26页 |
| 2.3 基于随机有限集(RFS)的目标跟踪算法 | 第26-30页 |
| 2.3.1 RFS 目标运动和量测模型 | 第26-27页 |
| 2.3.2 概率假设密度滤波器（PHDF） | 第27-28页 |
| 2.3.3 高斯混合概率密度滤波器（GM-PHD） | 第28-30页 |
| 2.4 ESM（电子支援措施）仿真平台 | 第30-35页 |
| 2.4.1 ESM 概述 | 第30-31页 |
| 2.4.2 ESM 模块设计 | 第31-35页 |
| 2.5 仿真实验与分析 | 第35-40页 |
| 2.5.1 仿真场景及参数设置 | 第35-38页 |
| 2.5.2 仿真结果及分析 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 特征辅助的单站多目标定位跟踪算法研究 | 第41-60页 |
| 3.1 引言 | 第41页 |
| 3.2 特征辅助的 CKF 跟踪算法(FA-CKF) | 第41-43页 |
| 3.2.1 多目标跟踪数学模型 | 第41-42页 |
| 3.2.2 量测扩维 | 第42页 |
| 3.2.3 关联概率及其修正 | 第42-43页 |
| 3.3 FA-CKF 算法步骤及流程 | 第43-46页 |
| 3.4 仿真实验与分析 | 第46-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 多 ESM 传感器目标跟踪研究 | 第60-75页 |
| 4.1 引言 | 第60-61页 |
| 4.2 CPHD 滤波器 | 第61-63页 |
| 4.3 GM-CPHD 滤波器 | 第63-65页 |
| 4.4 加航迹标签的 GM-CPHD 多目标跟踪算法（L-GM-CPHD） | 第65页 |
| 4.5 实验仿真与分析 | 第65-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 工作总结 | 第75-76页 |
| 5.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间已发表或录用的论文 | 第82页 |
