基于序列Monte Carlo方法的非线性滤波技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 符号对照表 | 第8-13页 |
| 1 绪论 | 第13-35页 |
| ·论文的研究背景 | 第13-15页 |
| ·粒子滤波与目标跟踪技术的研究现状 | 第15-22页 |
| ·本文的主要研究问题 | 第22-24页 |
| ·本文的研究方法 | 第24-25页 |
| ·动态贝叶斯估计 | 第25-33页 |
| ·本文的内容安排 | 第33-35页 |
| 2 序列MONTE CARLO 方法研究 | 第35-68页 |
| ·引言 | 第35页 |
| ·MONTE CARLO 方法 | 第35-38页 |
| ·重要性采样 | 第38-42页 |
| ·序列重要性采样 | 第42-44页 |
| ·退化问题 | 第44-49页 |
| ·粒子滤波的改进方法 | 第49-58页 |
| ·粒子滤波的收敛性 | 第58-63页 |
| ·仿真与实验 | 第63-67页 |
| ·结论 | 第67-68页 |
| 3 多传感器数据融合的SMC 目标跟踪研究 | 第68-81页 |
| ·引言 | 第68-69页 |
| ·问题描述 | 第69-74页 |
| ·基于数据融合的SMC 目标跟踪算法 | 第74-76页 |
| ·仿真与实验 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 4 基于SMC 的视觉目标跟踪研究 | 第81-104页 |
| ·引言 | 第81-82页 |
| ·视觉跟踪技术 | 第82-86页 |
| ·摄像系统 | 第86-88页 |
| ·颜色分布 | 第88-95页 |
| ·融入颜色分布的粒子滤波算法 | 第95-98页 |
| ·实验及结果 | 第98-103页 |
| ·本章小结 | 第103-104页 |
| 5 基于SMC 的多目标跟踪研究 | 第104-121页 |
| ·引言 | 第104-105页 |
| ·数据关联技术 | 第105-112页 |
| ·基于SMC 的多目标跟踪算法 | 第112-119页 |
| ·仿真与试验 | 第119-120页 |
| ·本章小结 | 第120-121页 |
| 6 基于SMC 的目标跟踪性能评价 | 第121-128页 |
| ·引言 | 第121页 |
| ·目标跟踪性能的度量 | 第121-124页 |
| ·实验设计 | 第124-125页 |
| ·最优参数 | 第125-127页 |
| ·本章小结 | 第127-128页 |
| 7 总结与展望 | 第128-131页 |
| ·全文总结 | 第128-129页 |
| ·本文的创新之处 | 第129-130页 |
| ·研究展望 | 第130-131页 |
| 致谢 | 第131-132页 |
| 参考文献 | 第132-150页 |
| 附录 1 攻读学位期间发表的论文目录 | 第150页 |
