雷达机动目标运动模型与跟踪算法研究
| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-36页 |
| ·论文的研究背景和意义 | 第12-13页 |
| ·机动目标跟踪的研究现状 | 第13-26页 |
| ·机动目标运动模型的研究现状 | 第15-23页 |
| ·滤波跟踪算法的研究现状 | 第23-26页 |
| ·论文的主要研究内容和章节安排 | 第26-27页 |
| 本章参考文献 | 第27-36页 |
| 第二章 基于α-η参数的强机动目标运动模型研究 | 第36-52页 |
| ·引言 | 第36-37页 |
| ·强机动目标运动模型-Jerk 模型 | 第37-40页 |
| ·Jerk 模型的连续时域模型 | 第37-38页 |
| ·Jerk 模型的离散时间状态模型 | 第38-40页 |
| ·强机动目标的α-η参数运动模型 | 第40-44页 |
| ·强机动目标的α-η参数连续时域模型 | 第40-41页 |
| ·强机动目标的α-η参数离散时间状态模型 | 第41-43页 |
| ·α-η参数运动模型分析 | 第43-44页 |
| ·仿真实验与结果分析 | 第44-49页 |
| ·性能指标 | 第44页 |
| ·仿真试验结果 | 第44-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 本章参考文献 | 第50-52页 |
| 第三章 基于修正不敏卡尔曼滤波的目标跟踪算法 | 第52-70页 |
| ·引言 | 第52-53页 |
| ·UKF 算法 | 第53-57页 |
| ·不敏变换（UT） | 第53-54页 |
| ·采样策略 | 第54-56页 |
| ·UKF 算法原理 | 第56-57页 |
| ·修正滤波增益和误差尺度因子 | 第57-59页 |
| ·Q k的尺度因子 | 第57-58页 |
| ·修正滤波增益 | 第58-59页 |
| ·修正不敏卡尔曼滤波（MUKF）跟踪算法 | 第59-60页 |
| ·滤波跟踪模型的克拉-美罗界 | 第60-62页 |
| ·仿真实验与结果分析 | 第62-68页 |
| ·评价指标 | 第62页 |
| ·仿真条件 | 第62-64页 |
| ·仿真实验结果 | 第64-68页 |
| ·仿真结果分析 | 第68页 |
| ·本章小结 | 第68-69页 |
| 本章参考文献 | 第69-70页 |
| 第四章 基于不敏扩展卡尔曼滤波的目标跟踪算法 | 第70-88页 |
| ·引言 | 第70-71页 |
| ·扩展卡尔曼滤波算法 | 第71-74页 |
| ·系统模型 | 第71页 |
| ·EKF 原理 | 第71-74页 |
| ·算法步骤 | 第74页 |
| ·不敏扩展卡尔曼滤波（UEKF）算法 | 第74-81页 |
| ·不敏卡尔曼滤波 | 第74-75页 |
| ·不敏扩展卡尔曼滤波算法（UEKF） | 第75-77页 |
| ·算法时间度分析 | 第77-78页 |
| ·仿真实验与结果分析 | 第78-81页 |
| ·自适应不敏扩展卡尔曼滤波算法(AUEKF) | 第81-85页 |
| ·状态噪声自适应估计算法 | 第81-82页 |
| ·自适应不敏扩展卡尔曼滤波算法步骤 | 第82-83页 |
| ·仿真实验与结果分析 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 本章参考文献 | 第86-88页 |
| 第五章 基于模型概率修正的交互多模型算法 | 第88-102页 |
| ·引言 | 第88-89页 |
| ·交互多模型算法 | 第89-91页 |
| ·基于模型概率修正的交互多模型算法 | 第91-94页 |
| ·模型概率修正方法 | 第91-93页 |
| ·算法步骤 | 第93-94页 |
| ·仿真实验与结果分析 | 第94-99页 |
| ·仿真模型选择 | 第94-95页 |
| ·仿真条件 | 第95-96页 |
| ·仿真实验结果 | 第96-99页 |
| ·实验结果分析 | 第99页 |
| ·本章小结 | 第99-100页 |
| 本章参考文献 | 第100-102页 |
| 第六章 总结与展望 | 第102-106页 |
| ·本文工作总结 | 第102-103页 |
| ·工作展望 | 第103-106页 |
| 致谢 | 第106-108页 |
| 攻读博士学位期间的研究成果 | 第108-110页 |
