| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状与进展 | 第13-16页 |
| 1.2.1 状态估计理论 | 第13-15页 |
| 1.2.2 系统误差估计方法 | 第15-16页 |
| 1.2.3 随机有限集理论 | 第16页 |
| 1.3 论文研究内容和结构安排 | 第16-19页 |
| 第二章 目标跟踪系统建模和典型滤波器设计 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 运动目标模型 | 第19-23页 |
| 2.2.1 系统状态模型 | 第19-21页 |
| 2.2.2 传感器量测模型 | 第21-23页 |
| 2.3 典型滤波器设计与实现 | 第23-29页 |
| 2.3.1 卡尔曼滤波器 | 第23-24页 |
| 2.3.2 扩展卡尔曼滤波器 | 第24页 |
| 2.3.3 不敏卡尔曼滤波器 | 第24-26页 |
| 2.3.4 容积卡尔曼滤波器 | 第26-28页 |
| 2.3.5 概率假设密度滤波器 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于量测采样提升策略的卡尔曼滤波算法 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 线性量测采样提升策略 | 第31-32页 |
| 3.3 量测采样提升策略下卡尔曼滤波器的设计与实现 | 第32-39页 |
| 3.3.1 基于分布式加权融合的量测采样提升卡尔曼滤波 | 第32-36页 |
| 3.3.2 基于集中式一致性融合的量测采样提升卡尔曼滤波 | 第36-39页 |
| 3.4 仿真实验与分析 | 第39-44页 |
| 3.5 本章小结 | 第44-47页 |
| 第四章 基于量测采样提升策略的容积卡尔曼滤波算法 | 第47-53页 |
| 4.1 引言 | 第47页 |
| 4.2 非线性量测采样提升策略 | 第47-48页 |
| 4.3 基于分布式加权融合的量测采样提升容积卡尔曼滤波 | 第48-49页 |
| 4.4 仿真实验与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于卡尔曼滤波的系统误差和状态联合估计 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 线性量测系统误差模型 | 第53页 |
| 5.3 基于卡尔曼滤波的系统误差和状态联合估计算法 | 第53-56页 |
| 5.3.1 线性最优估计过程中系统误差分析 | 第53-55页 |
| 5.3.2 KF框架下的系统误差和状态联合估计方法 | 第55-56页 |
| 5.4 仿真实验与分析 | 第56-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 基于容积卡尔曼滤波的系统误差和状态联合估计 | 第63-69页 |
| 6.1 引言 | 第63页 |
| 6.2 非线性量测系统误差模型 | 第63-64页 |
| 6.3 基于容积卡尔曼滤波的系统误差和状态联合估计算法 | 第64-65页 |
| 6.4 仿真实验与分析 | 第65-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第七章 基于多传感器一致性融合容积卡尔曼PHD算法 | 第69-81页 |
| 7.1 引言 | 第69页 |
| 7.2 高斯混合PHD滤波器 | 第69-71页 |
| 7.3 基于多传感器一致性融合容积卡尔曼PHD设计与实现 | 第71-77页 |
| 7.3.1 单传感器量测下容积卡尔曼PHD滤波 | 第71-73页 |
| 7.3.2 基于多传感器一致性融合的容积卡尔曼概率假设密度滤波器 | 第73-77页 |
| 7.4 仿真实验与分析 | 第77-80页 |
| 7.5 本章小结 | 第80-81页 |
| 第八章 总结与展望 | 第81-83页 |
| 8.1 总结 | 第81页 |
| 8.2 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 攻读硕士学位期间发表的论文及参加科研情况 | 第90-92页 |
