粒子滤波算法研究及其在机动目标跟踪中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·研究内容 | 第11-13页 |
| ·研究现状 | 第13-14页 |
| ·论文研究内容及章节安排 | 第14-16页 |
| 第二章 粒子滤波基本算法理论简介 | 第16-30页 |
| ·引言 | 第16页 |
| ·状态估计概述 | 第16-17页 |
| ·卡尔曼滤波技术 | 第17-22页 |
| ·贝叶斯理论 | 第22-23页 |
| ·动态系统状态空间模型 | 第22-23页 |
| ·贝叶斯滤波原理 | 第23页 |
| ·粒子滤波技术 | 第23-28页 |
| ·蒙特卡罗方法 | 第24-25页 |
| ·粒子滤波原理 | 第25-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于重要性密度函数选择的改进粒子滤波算法 | 第30-46页 |
| ·引言 | 第30-31页 |
| ·重要性密度采样 | 第31-33页 |
| ·基于卡尔曼估计修正的粒子滤波算法 | 第33-38页 |
| ·问题描述 | 第34-35页 |
| ·算法原理 | 第35-37页 |
| ·算法步骤 | 第37-38页 |
| ·仿真分析 | 第38-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于重采样技术改进粒子滤波算法 | 第46-56页 |
| ·引言 | 第46页 |
| ·重采样技术 | 第46-48页 |
| ·基于遗传算法优化的新型粒子滤波算法 | 第48-51页 |
| ·问题描述 | 第49页 |
| ·算法原理 | 第49-51页 |
| ·算法步骤 | 第51页 |
| ·仿真分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 新型粒子滤波算法在机动目标跟踪中的应用 | 第56-76页 |
| ·引言 | 第56页 |
| ·传统机动目标跟踪算法 | 第56-62页 |
| ·当前统计模型目标跟踪算法 | 第57-60页 |
| ·交互式模型目标跟踪算法 | 第60-62页 |
| ·改进粒子算法在机动目标跟踪中的应用 | 第62-66页 |
| ·改进多模型粒子滤波算法 | 第62-66页 |
| ·仿真分析 | 第66-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76-77页 |
| ·展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻硕期间取得的科研成果 | 第82-83页 |
