实时概率假设密度粒子滤波的算法研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·机动目标跟踪研究现状 | 第11-12页 |
| ·多目标跟踪研究现状 | 第12-13页 |
| ·主要研究内容 | 第13-15页 |
| 第2章 多目标跟踪滤波理论 | 第15-27页 |
| ·引言 | 第15页 |
| ·多目标贝叶斯建模 | 第15页 |
| ·随机有限集理论 | 第15-17页 |
| ·泊松随机有限集 | 第16页 |
| ·多伯努利随机有限集 | 第16-17页 |
| ·概率假设密度理论介绍 | 第17-22页 |
| ·用于概率假设密度理论的多目标系统建模 | 第17-18页 |
| ·概率假设密度滤波 | 第18-19页 |
| ·高斯混合概率假设滤波 | 第19-21页 |
| ·概率假设密度粒子滤波 | 第21-22页 |
| ·多伯努利理论介绍 | 第22-25页 |
| ·用于多伯努利理论的多目标系统建模 | 第22-23页 |
| ·多伯努利滤波 | 第23-25页 |
| ·多目标跟踪评估指标 | 第25-26页 |
| ·Wasserstein距离 | 第25页 |
| ·OSPA距离 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于非序贯重采样的概率假设密度粒子滤波 | 第27-39页 |
| ·引言 | 第27页 |
| ·概率假设密度粒子滤波算法的时序分析 | 第27-31页 |
| ·基于阈值的非序贯重采样算法 | 第31-32页 |
| ·算法描述 | 第32-33页 |
| ·算法仿真与分析 | 第33-37页 |
| ·目标跟踪模型 | 第33-34页 |
| ·参数设置 | 第34页 |
| ·仿真结果 | 第34-36页 |
| ·讨论 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于观测值分类的概率假设密度粒子滤波 | 第39-51页 |
| ·引言 | 第39页 |
| ·观测值分类方法 | 第39-41页 |
| ·算法描述 | 第41-43页 |
| ·算法仿真与分析 | 第43-49页 |
| ·目标跟踪模型 | 第43页 |
| ·参数设置 | 第43-44页 |
| ·仿真结果 | 第44-47页 |
| ·讨论与分析 | 第47-49页 |
| ·讨论 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| ·主要工作与主要结论 | 第51页 |
| ·未来研究工作设想 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简历 | 第57页 |
