| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的背景与研究意义 | 第8页 |
| 1.2 国内外发展现状 | 第8-11页 |
| 1.3 主要内容以及创新点 | 第11-13页 |
| 第2章 贝叶斯框架下的目标检测与跟踪 | 第13-24页 |
| 2.1 贝叶斯原理 | 第13页 |
| 2.2 目标检测 | 第13-14页 |
| 2.3 目标跟踪 | 第14-23页 |
| 2.3.1 卡尔曼滤波 | 第15-17页 |
| 2.3.2 扩展卡尔曼滤波和无迹卡尔曼滤波 | 第17-20页 |
| 2.3.3 粒子滤波 | 第20-23页 |
| 2.4 小结 | 第23-24页 |
| 第3章 分布式无迹卡尔曼滤波纯方位跟踪算法研究 | 第24-35页 |
| 3.1 贝叶斯滤波中的后验概率密度表达与协方差嵌入方法 | 第24-25页 |
| 3.2 基于信息散度的后验概率密度一致性分布式估计 | 第25-26页 |
| 3.3 数值仿真 | 第26-34页 |
| 3.4 小结 | 第34-35页 |
| 第4章 非良好检测条件下的目标跟踪算法原理 | 第35-46页 |
| 4.1 非良好检测条件下的经典跟踪算法 | 第35-42页 |
| 4.2 非良好检测条件下随机有限集算法 | 第42-45页 |
| 4.3 小结 | 第45-46页 |
| 第5章 多传感器伯努利滤波联合检测和目标跟踪 | 第46-54页 |
| 5.1 伯努利滤波器的理论推导与粒子滤波实现 | 第46-50页 |
| 5.2 多传感器伯努利滤波 | 第50页 |
| 5.3 数值仿真 | 第50-53页 |
| 5.4 小结 | 第53-54页 |
| 第6章 基于标记随机有限集的多目标跟踪算法 | 第54-61页 |
| 6.1 δGLMB滤波器 | 第54-58页 |
| 6.2 数值仿真 | 第58-60页 |
| 6.3 小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 研究总结 | 第61页 |
| 7.2 研究方向展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 作者简介 | 第70页 |
| 科研成果 | 第70页 |