带标签的概率假设密度滤波算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容和结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 基于随机集的PHD滤波算法理论 | 第17-25页 |
| 2.1 Bayes估计 | 第17-18页 |
| 2.2 随机有限集理论 | 第18-20页 |
| 2.2.1 随机有限集 | 第19页 |
| 2.2.2 概率假设密度 | 第19-20页 |
| 2.3 PHD滤波器 | 第20-23页 |
| 2.3.1 PHD滤波递推公式 | 第20-21页 |
| 2.3.2 高斯混合概率假设密度滤波 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 可提取衍生目标的LGM-PHD算法 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 基于随机有限集的多目标跟踪模型 | 第25-26页 |
| 3.3 LGM-PHD算法 | 第26-27页 |
| 3.4 可提取衍生目标的LGM-PHD算法 | 第27-29页 |
| 3.5 仿真实验与结果分析 | 第29-31页 |
| 3.6 本章小结 | 第31-33页 |
| 4 强杂波环境下的LGM-PHD算法 | 第33-45页 |
| 4.1 引言 | 第33-34页 |
| 4.2 LGM-PHD算法 | 第34-35页 |
| 4.3 强杂波环境下的LGM-PHD算法 | 第35-38页 |
| 4.3.1 跟踪门 | 第36页 |
| 4.3.2 改进算法 | 第36-38页 |
| 4.4 仿真实验与结果分析 | 第38-42页 |
| 4.5 本章小结 | 第42-45页 |
| 5 存在交叉目标的LGM-PHD算法 | 第45-55页 |
| 5.1 引言 | 第45-46页 |
| 5.2 背景知识 | 第46-47页 |
| 5.3 存在交叉目标的LGM-PHD算法 | 第47-50页 |
| 5.4 仿真实验与结果分析 | 第50-53页 |
| 5.5 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间科研成果 | 第63-65页 |
| 致谢 | 第65页 |
