摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-18页 |
1.1 课题研究的背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-16页 |
1.2.1 反舰导弹轨迹跟踪的研究现状 | 第11-12页 |
1.2.2 机动目标跟踪算法的研究现状 | 第12-15页 |
1.2.3 多传感器信息融合研究现状 | 第15-16页 |
1.3 本文研究内容及章节安排 | 第16-18页 |
第2章 机动目标跟踪模型与交互式多模型算法 | 第18-30页 |
2.1 引言 | 第18页 |
2.2 目标跟踪的运动模型 | 第18-26页 |
2.2.1 匀速模型和匀加速模型 | 第18-19页 |
2.2.2 CT模型 | 第19-20页 |
2.2.3 一阶时间相关模型 | 第20-22页 |
2.2.4 “当前”统计模型 | 第22-23页 |
2.2.5 Jerk模型 | 第23-24页 |
2.2.6 “蛇形”机动模型 | 第24-26页 |
2.3 交互式多模型算法 | 第26-29页 |
2.3.1 交互式多模型算法基本原理 | 第26-28页 |
2.3.2 交互式多模型算法的性能分析 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
第3章 被动测量条件下的跟踪滤波器设计 | 第30-47页 |
3.1 引言 | 第30页 |
3.2 常用的高斯滤波算法 | 第30-36页 |
3.2.1 被动传感器模型 | 第30-31页 |
3.2.2 卡尔曼滤波 | 第31-32页 |
3.2.3 扩展卡尔曼滤波 | 第32-34页 |
3.2.4 无迹卡尔曼滤波 | 第34-36页 |
3.3 无迹卡尔曼粒子滤波 | 第36-38页 |
3.4 容积卡尔曼滤波 | 第38-41页 |
3.4.1 Spherical-Radial Cubature准则 | 第38-39页 |
3.4.2 CKF滤波算法步骤 | 第39-41页 |
3.5 实验结果及分析 | 第41-46页 |
3.5.1 仿真背景 | 第41-42页 |
3.5.2 UKF算法仿真结果及分析 | 第42-44页 |
3.5.3 CKF算法仿真结果及分析 | 第44-45页 |
3.5.4 UPF算法仿真结果及分析 | 第45-46页 |
3.6 本章小结 | 第46-47页 |
第4章 改进的交互式多模型目标跟踪算法 | 第47-60页 |
4.1 引言 | 第47页 |
4.2 模糊逻辑交互式多模型算法(FLIMM) | 第47-50页 |
4.2.1 FLIMM算法基本原理 | 第47-48页 |
4.2.2 模糊控制算法设计 | 第48-50页 |
4.3 改进的自适应交互式多模型算法(FLIMM-ACKF) | 第50-54页 |
4.3.1 改进的误差协方差统计估值器 | 第50-52页 |
4.3.2 FLIMM-ACKF算法步骤 | 第52-54页 |
4.4 实验结果及分析 | 第54-59页 |
4.4.1 仿真背景 | 第54-55页 |
4.4.2 IMM-CKF算法仿真结果及分析 | 第55-57页 |
4.4.3 FLIMM-CKF算法仿真结果及分析 | 第57-58页 |
4.4.4 FLIMM-ACKF算法仿真结果及分析 | 第58-59页 |
4.5 本章小结 | 第59-60页 |
第5章 多传感器航迹关联与航迹融合算法 | 第60-71页 |
5.1 引言 | 第60页 |
5.2 多传感器航迹关联 | 第60-62页 |
5.2.1 加权和修正航迹关联算法 | 第60-61页 |
5.2.2 序贯航迹关联算法 | 第61-62页 |
5.2.3 双门限航迹关联算法 | 第62页 |
5.3 多传感器航迹融合 | 第62-65页 |
5.3.1 简单航迹融合(SF) | 第62-63页 |
5.3.2 Bar-Shalom-Campo融合算法 | 第63-64页 |
5.3.3 协方差交叉融合算法 | 第64-65页 |
5.4 仿真结果及分析 | 第65-70页 |
5.4.1 航迹关联算法性能比较 | 第65-66页 |
5.4.2 航迹融合算法性能比较 | 第66-70页 |
5.5 本章小结 | 第70-71页 |
结论 | 第71-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
致谢 | 第78页 |