| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 课题研究背景及意义 | 第14页 |
| 1.2 证据融合算法及其应用的研究现状 | 第14-16页 |
| 1.3 本论文的主要工作及内容安排 | 第16-18页 |
| 第2章 改进证据融合算法的研究 | 第18-44页 |
| 2.1 引言 | 第18页 |
| 2.2 证据融合相关理论及已有改进算法简介 | 第18-20页 |
| 2.3 基于 2-D 信息证据融合改进算法的研究 | 第20-25页 |
| 2.3.1 基于冲突再分配的改进 DSmT 算法 | 第20-23页 |
| 2.3.1.1 各焦元支持度的计算 | 第21-22页 |
| 2.3.1.2 基于局部冲突对应焦元支持度的计算及分配准则 | 第22-23页 |
| 2.3.2 基于证据加权融合的改进 D-S 目标识别算法 | 第23-25页 |
| 2.4 基于 3-D 信息证据融合改进算法的研究 | 第25-33页 |
| 2.4.1 基于 3-D 信息证据融合改进 D-S 算法 | 第25-31页 |
| 2.4.1.1 两两证据融合与多条证据直接融合结果一致的证明 | 第25-28页 |
| 2.4.1.2 基于证据支持贴近度加权融合的 3-D 改进 D-S 算法 | 第28-30页 |
| 2.4.1.3 基于 D-S 证据组合规则的自适应证据融合改进算法 | 第30-31页 |
| 2.4.1.3.1 一种新的基于 D-S 证据组合规则的 3-D 改进算法 | 第30-31页 |
| 2.4.1.3.2 基于 3-D 信息的自适应证据融合改进 D-S 算法 | 第31页 |
| 2.4.2 基于 DSmT 的不同改进算法及其应用 | 第31-33页 |
| 2.4.2.1 基于 3-D 信息融合的 DSmT 改进算法 | 第32-33页 |
| 2.4.2.2 融合多特征信息的 DSmT 改进算法 | 第33页 |
| 2.4.2.3 融合多特征信息的 3-D 改进 DSmT 算法 | 第33页 |
| 2.5 仿真分析 | 第33-43页 |
| 2.5.1 2-D 改进证据融合算法的仿真比较 | 第33-38页 |
| 2.5.1.1 NIDSmT 算法与 D-S、DSmT、 HIDSmT 算法的比较 | 第34-37页 |
| 2.5.1.2 ID-S 算法与 D-S、DSmT、 HIDSmT 算法的比较 | 第37-38页 |
| 2.5.2 3-D 改进证据融合算法的仿真比较 | 第38-43页 |
| 2.5.2.1 ND-S1 算法与 D-S 算法的比较 | 第38-39页 |
| 2.5.2.2 ND-S1 算法、ND-S2 算法、AD-S 算法与 D-S 算法的比较 | 第39-40页 |
| 2.5.2.2.1 ND-S2 算法与 D-S 算法的比较 | 第39页 |
| 2.5.2.2.2 AD-S 算法与 ND-S1、ND-S2 算法的比较 | 第39-40页 |
| 2.5.2.3 基于 DSmT 的不同改进算法与 DSmT、HIDSmT 算法的仿真比较 | 第40-43页 |
| 2.5.2.3.1 3-D 改进 DSmT 算法与 DSmT、HIDSmT 算法的比较 | 第40-41页 |
| 2.5.2.3.2 MFHIDSmT、MFDSmT 算法与 DSmT、HIDSmT 算法的比较 | 第41-42页 |
| 2.5.2.3.3 融合多源信息的改进 DSmT 算法与 DSmT、HIDSmT 算法的比较 | 第42-43页 |
| 2.6 小结 | 第43-44页 |
| 第3章 新的分布交互式多模型广义概率数据关联算法 | 第44-71页 |
| 3.1 引言 | 第44-45页 |
| 3.2 常用数据关联算法简介 | 第45-49页 |
| 3.2.1 JPDA 算法简介 | 第45-46页 |
| 3.2.2 GPDA 算法简介 | 第46-47页 |
| 3.2.3 IMM 算法简介 | 第47-49页 |
| 3.3 基于改进 D-S 组合规则的分布交互式广义概率数据关联算法 | 第49-56页 |
| 3.3.1 系统描述 | 第50页 |
| 3.3.2 基于 3-D 信息融合的改进 D-S 证据组合规则 | 第50页 |
| 3.3.3 DIMM-MSGPDA-IDS 算法描述 | 第50-56页 |
| 3.4 基于融合中心模型状态估计的模糊更新算法 | 第56-57页 |
| 3.5 改进的分布交互式多传感器多机动目标跟踪算法 | 第57-58页 |
| 3.6 基于灰关联证据距离加权融合多源信息的 IMMGPDA 算法 | 第58-63页 |
| 3.6.1 相关知识简介 | 第58-60页 |
| 3.6.1.1 多源信息关联度的定义 | 第58-59页 |
| 3.6.1.2 灰关联分析法 | 第59-60页 |
| 3.6.2 一种新的基于 D-S 证据组合规则的灰关联证据距离法 | 第60-62页 |
| 3.6.2.1 已有多源信息融合算法简介 | 第60-61页 |
| 3.6.2.2 新的多源信息融合算法 | 第61-62页 |
| 3.6.3 融合多源信息的分布交互式 IMMGPDA 算法 | 第62-63页 |
| 3.6.3.1 目标模型与量测关联概率的计算 | 第62-63页 |
| 3.6.3.2 融合中心关于同一目标的模型概率的更新 | 第63页 |
| 3.7 仿真分析 | 第63-70页 |
| 3.7.1 DIMM-MSGPDA-IDS 算法与 DIMM-MSJPDA-DS 算法的比较 | 第63-66页 |
| 3.7.2 FDIMM-MSGPDA-IDS 算法与 DIMM-MSGPDA-IDS 算法的比较 | 第66-67页 |
| 3.7.3 IFDIMM-MSGPDA-IDS 算法与 FDIMM-MSGPDA-IDS 算法的比较 | 第67-68页 |
| 3.7.4 相关改进分布交互式多机动目标跟踪算法的仿真比较 | 第68页 |
| 3.7.5 融合多源信息的多机动目标跟踪算法的比较 | 第68-70页 |
| 3.8 小结 | 第70-71页 |
| 第4章 三传感器多目标跟踪系统数据模糊关联算法 | 第71-90页 |
| 4.1 引言 | 第71页 |
| 4.2 模糊数学的相关知识简介 | 第71-72页 |
| 4.2.1 模糊因素与模糊因素权集的确定 | 第71-72页 |
| 4.2.2 隶属度函数的确定 | 第72页 |
| 4.3 三传感器多目标跟踪系统数据模糊关联算法 | 第72-77页 |
| 4.3.1 分布式多传感器模糊关联的多目标跟踪算法 | 第72-74页 |
| 4.3.1.1 分布式模糊关联多目标跟踪算法 | 第72-73页 |
| 4.3.1.2 分布式模糊航迹关联算法 | 第73-74页 |
| 4.3.2 集中式多传感器模糊关联多目标跟踪算法 | 第74-75页 |
| 4.3.3 基于模糊关联的多模型多机动目标跟踪算法 | 第75-77页 |
| 4.3.3.1 分布式多传感器模糊关联的多模型多机动目标跟踪算法 | 第76-77页 |
| 4.3.3.2 集中式多传感器模糊关联的多模型多机动目标跟踪算法 | 第77页 |
| 4.3.4 融合多源信息的模糊关联多模型多机动目标跟踪算法 | 第77页 |
| 4.4 仿真分析 | 第77-89页 |
| 4.4.1 基于模糊关联的多目标跟踪算法的仿真对比 | 第77-81页 |
| 4.4.1.1 分布式模糊关联多目标跟踪算法的对比 | 第78-79页 |
| 4.4.1.2 集中式模糊关联多目标跟踪算法的对比 | 第79-80页 |
| 4.4.1.3 分布式和集中式系统下模糊关联多目标跟踪算法的比较 | 第80-81页 |
| 4.4.2 基于模糊关联的多机动目标跟踪算法的仿真对比 | 第81-85页 |
| 4.4.2.1 分布交互式模糊关联多机动目标跟踪算法的对比 | 第81-82页 |
| 4.4.2.2 相关改进的分布交互式模糊关联多机动目标跟踪算法的比较 | 第82-83页 |
| 4.4.2.3 集中交互式模糊关联多机动目标跟踪算法的对比 | 第83-84页 |
| 4.4.2.4 相关改进的集中交互式模糊关联多机动目标跟踪算法的比较 | 第84页 |
| 4.4.2.5 基于分布式与集中式各类多机动目标跟踪算法的对比 | 第84-85页 |
| 4.4.3 融合多源信息的模糊关联多机动目标跟踪算法的仿真对比 | 第85-89页 |
| 4.4.3.1 融合多源信息的分布交互式模糊关联多模型跟踪算法的对比 | 第86-87页 |
| 4.4.3.2 融合多源信息的集中交互式模糊关联多模型跟踪算法的对比 | 第87-88页 |
| 4.4.3.3 融合多源信息的分布式与集中式模糊关联机动目标跟踪算法的比较 | 第88-89页 |
| 4.5 小结 | 第89-90页 |
| 第5章 总结与展望 | 第90-93页 |
| 5.1 总结 | 第90-91页 |
| 5.2 展望 | 第91-93页 |
| 参考文献 | 第93-98页 |
| 致谢 | 第98-99页 |
| 攻读硕士学位期间取得的科研成果 | 第99页 |
