摘要 | 第1-8页 |
ABSTRACT | 第8-13页 |
第一章 绪论 | 第13-23页 |
·研究背景及意义 | 第13-14页 |
·信息融合及目标跟踪系统简介 | 第14-16页 |
·信息融合系统简介 | 第14-15页 |
·多传感器信息融合跟踪系统 | 第15-16页 |
·信息融合及目标跟踪技术的研究现状 | 第16-20页 |
·信息融合技术方面 | 第16-17页 |
·多目标跟踪技术方面 | 第17-18页 |
·检测前跟踪技术方面 | 第18-19页 |
·国内研究现状 | 第19-20页 |
·论文的主要研究成果与内容安排 | 第20-23页 |
第二章 目标跟踪基本理论及方法分类 | 第23-41页 |
·引言 | 第23页 |
·目标跟踪基本理论 | 第23-27页 |
·目标跟踪的功能要素 | 第23-25页 |
·多目标跟踪问题的数学描述 | 第25-27页 |
·目标跟踪经典方法及分类 | 第27-39页 |
·目标跟踪中的经典方法 | 第27-29页 |
·多目标跟踪方法分类 | 第29-39页 |
·结论 | 第39-41页 |
第三章 基于最大熵模糊聚类的实时目标跟踪技术研究 | 第41-63页 |
·引言 | 第41-42页 |
·运动模型及几种经典目标跟踪方法 | 第42-47页 |
·运动模型 | 第42-43页 |
·概率数据关联滤波器(PDAF) | 第43-44页 |
·联合概率数据关联滤波器(JPDAF) | 第44-46页 |
·混合模糊 PDAF 和混合模糊JPDAF | 第46-47页 |
·基于最大熵模糊聚类的目标跟踪方法 | 第47-53页 |
·最大熵模糊聚类 | 第47-48页 |
·单目标跟踪 | 第48-49页 |
·多目标跟踪 | 第49-51页 |
·差异因子的选择α_(opt ) | 第51-53页 |
·仿真结果及分析 | 第53-61页 |
·单目标跟踪 | 第54-58页 |
·两个交叉运动目标场景 | 第58-61页 |
·本章小结 | 第61-63页 |
第四章 多被动传感器系统中的机动目标跟踪 | 第63-83页 |
·引言 | 第63-64页 |
·多被动传感器快速机动目标跟踪技术 | 第64-74页 |
·系统设置 | 第64-65页 |
·IMM-MEFPDAF | 第65-67页 |
·被动多站观测模型 | 第67-68页 |
·仿真结果及分析 | 第68-74页 |
·基于粒子滤波器的被动机动目标跟踪算法研究 | 第74-82页 |
·贝叶斯估计及粒子滤波器 | 第74-76页 |
·似然函数的计算 | 第76-77页 |
·交互多模型粒子滤波 | 第77-79页 |
·仿真结果及分析 | 第79-82页 |
·本章小结 | 第82-83页 |
第五章 粒子滤波器及红外弱小目标检测前跟踪技术研究 | 第83-97页 |
·引言 | 第83-84页 |
·粒子滤波器及分析 | 第84-87页 |
·粒子退化问题 | 第84页 |
·重要性密度函数 | 第84-86页 |
·重采样 | 第86-87页 |
·迭代扩展卡尔曼粒子滤波器 | 第87-91页 |
·迭代扩展卡尔曼滤波 | 第87-89页 |
·迭代扩展卡尔曼粒子滤波器 | 第89-90页 |
·仿真结果与分析 | 第90-91页 |
·基于粒子滤波的红外弱小目标检测前跟踪算法 | 第91-96页 |
·红外图像测量模型 | 第91-92页 |
·目标运动模型 | 第92页 |
·检测前跟踪方法 | 第92-94页 |
·目标检测 | 第94-95页 |
·仿真结果及分析 | 第95-96页 |
·本章小结 | 第96-97页 |
第六章 多传感器多目标跟踪技术研究 | 第97-115页 |
·引言 | 第97-98页 |
·基于多FCM 数据关联的多目标跟踪算法 | 第98-104页 |
·模糊聚类数据关联 | 第98-100页 |
·多FCM 数据关联算法 | 第100-102页 |
·仿真结果及其分析 | 第102-104页 |
·被动传感器系统模糊概率双加权数据关联算法 | 第104-112页 |
·被动传感器的量测模型 | 第105页 |
·模糊-概率双加权数据关联算法 | 第105-110页 |
·仿真结果及分析 | 第110-112页 |
·本章小结 | 第112-115页 |
第七章 总结与展望 | 第115-118页 |
·工作总结 | 第115-116页 |
·展望 | 第116-118页 |
致谢 | 第118-119页 |
参考文献 | 第119-131页 |
作者在攻读博士学位期间撰写的论文 | 第131页 |