| 第1章 绪论 | 第1-16页 |
| ·概述 | 第9-10页 |
| ·机动目标跟踪基本原理 | 第10-12页 |
| ·机动目标跟踪的基本要素 | 第12-14页 |
| ·跟踪门的形成 | 第12-13页 |
| ·数据关联与跟踪维持 | 第13页 |
| ·跟踪起始与跟踪终结 | 第13-14页 |
| ·漏报与虚警 | 第14页 |
| ·机动目标跟踪问题的发展与现状 | 第14-15页 |
| ·本文所做的工作 | 第15-16页 |
| 第2章 机动目标跟踪基本理论与方法 | 第16-35页 |
| ·机动目标模型 | 第16-19页 |
| ·二阶常速模型和三阶常加速模型 | 第16页 |
| ·时间相关模型 | 第16-17页 |
| ·半马尔可夫模型 | 第17-18页 |
| ·Noval统计模型 | 第18页 |
| ·机动目标当前统计模型 | 第18-19页 |
| ·自适应滤波算法 | 第19-20页 |
| ·跟踪门的形成方法 | 第20-23页 |
| ·多目标数据关联与跟踪维持 | 第23-29页 |
| ·“最近邻”方法 | 第23页 |
| ·概率数据关联方法(PDAF) | 第23-24页 |
| ·全邻最优滤波器 | 第24-26页 |
| ·联合概率数据关联滤波 | 第26页 |
| ·多假设法 | 第26页 |
| ·整数规划法 | 第26-28页 |
| ·高斯和法 | 第28-29页 |
| ·轨迹分裂法 | 第29页 |
| ·简化的概率数据关联方法 | 第29页 |
| ·多目标跟踪起始与终结 | 第29-34页 |
| ·序列概率比检验 | 第29-30页 |
| ·Bays轨迹确定与跟踪终结方法 | 第30-31页 |
| ·N维分配法 | 第31-32页 |
| ·极大似然法 | 第32-33页 |
| ·跟踪门方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 数据关联算法及仿真 | 第35-50页 |
| ·概率数据关联算法(PDAF) | 第35-44页 |
| ·数学模型 | 第35-37页 |
| ·关联概率的计算 | 第37-43页 |
| ·PDA算法仿真 | 第43-44页 |
| ·多模型算法(IMM) | 第44-49页 |
| ·算法原理 | 第45-47页 |
| ·IMM算法仿真 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 卡尔曼滤波算法及其仿真 | 第50-66页 |
| ·机动目标“当前统计模型和均值与方差”及自适应算法 | 第51-57页 |
| ·机动目标的“当前”概率密度模型及自适应算法 | 第51-55页 |
| ·基于“当前”统计模型的自适应算法仿真 | 第55-57页 |
| ·序贯滤波 | 第57-60页 |
| ·同步收集多站数据 | 第57-58页 |
| ·序贯处理 | 第58-60页 |
| ·基于神经网络的卡尔曼滤波跟踪 | 第60-64页 |
| ·多层前馈神经网络及BP学习算法 | 第61-63页 |
| ·神经网络辅助的卡尔曼滤波算法 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 计算机仿真 | 第66-75页 |
| ·序贯卡尔曼滤波算法仿真 | 第66-67页 |
| ·神经网络辅助的卡尔曼滤波算法 | 第67-69页 |
| ·软件设计应考虑的问题 | 第69-74页 |
| ·坐标系 | 第69-70页 |
| ·三维空间中的目标运动模型 | 第70-73页 |
| ·三维空间中的跟踪门设计 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |