| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 多目标跟踪技术研究现状 | 第15页 |
| 1.3 强度滤波器概述 | 第15-16页 |
| 1.4 随机集理论概述 | 第16页 |
| 1.5 论文主要研究成果与内容安排 | 第16-18页 |
| 第二章 基于PPPs理论的多目标跟踪 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 PPPs理论 | 第18-20页 |
| 2.3 强度滤波器算法 | 第20-24页 |
| 2.3.1 强度滤波器原理 | 第20-23页 |
| 2.3.2 粒子iFilter滤波 | 第23页 |
| 2.3.3 高斯混合iFilter滤波 | 第23-24页 |
| 2.4 实验仿真与分析 | 第24-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于强度滤波器的多点目标跟踪算法 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 标号多目标强度滤波器 | 第30-34页 |
| 3.2.1 EM算法 | 第31页 |
| 3.2.2 MMIF算法 | 第31-34页 |
| 3.3 基于强度滤波器的被动多传感器目标跟踪算法 | 第34-39页 |
| 3.3.1 牛顿迭代多基最小二乘交叉定位 | 第35-36页 |
| 3.3.2 基于强度滤波器的被动多传感器目标跟踪算法流程 | 第36-39页 |
| 3.4 仿真实验与结果分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于PHD的未知新生多扩展目标跟踪算法 | 第46-58页 |
| 4.1 引言 | 第46-47页 |
| 4.2 PHD滤波算法 | 第47-51页 |
| 4.2.1 随机集滤波模型 | 第47-48页 |
| 4.2.2 概率假设密度滤波 | 第48-49页 |
| 4.2.3 高斯混合PHD滤波 | 第49页 |
| 4.2.4 粒子PHD滤波 | 第49-51页 |
| 4.3 基于量测数估计的未知新生高斯混合多扩展目标跟踪算法 | 第51-54页 |
| 4.3.1 新生目标估计 | 第51-52页 |
| 4.3.2 基于量测数估计的未知新生高斯混合多扩展目标跟踪算法实现 | 第52-54页 |
| 4.4 仿真实验与结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于迭代映射的多扩展目标PHD滤波器 | 第58-72页 |
| 5.1 引言 | 第58页 |
| 5.2 基于迭代映射的多扩展目标PHD滤波算法 | 第58-62页 |
| 5.2.1 迭代映射 | 第58-60页 |
| 5.2.2 初始值选择 | 第60页 |
| 5.2.3 序列蒙特卡罗实现 | 第60-62页 |
| 5.3 基于直线拟合的新生未知多扩展目标跟踪算法 | 第62-64页 |
| 5.3.1 直线拟合概述 | 第62-63页 |
| 5.3.2 估计新生目标 | 第63-64页 |
| 5.3.3 基于直线拟合的未知新生多扩展目标跟踪算法步骤 | 第64页 |
| 5.4 仿真实验与结果分析 | 第64-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |
