| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 第二章 检测跟踪一体化基本理论 | 第15-27页 |
| 2.1 传统检测后跟踪理论 | 第15-22页 |
| 2.1.1 常用检测器 | 第15-19页 |
| 2.1.1.1 奈曼-皮尔逊(Neyman-Pearson)准则 | 第15-16页 |
| 2.1.1.2 贝叶斯风险最小准则 | 第16-17页 |
| 2.1.1.3 恒虚警检测 | 第17-19页 |
| 2.1.2 跟踪滤波器 | 第19-22页 |
| 2.1.2.1 卡尔曼滤波器 | 第19-20页 |
| 2.1.2.2 概率数据关联跟踪滤波器(PDAF) | 第20-22页 |
| 2.2 检测跟踪一体化概念与主要手段 | 第22-26页 |
| 2.2.1 基本概念 | 第22-23页 |
| 2.2.2 主要技术手段 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 知识辅助的跟踪性能预测算法 | 第27-48页 |
| 3.1 基于修正黎卡蒂方程的跟踪性能预测算法 | 第27-34页 |
| 3.1.1 目标与测量模型 | 第27-28页 |
| 3.1.2 修正的黎卡蒂方程 | 第28-30页 |
| 3.1.3 仿真分析 | 第30-34页 |
| 3.2 幅度知识辅助跟踪性能预测算法 | 第34-47页 |
| 3.2.1 K分布杂波背景下MRE方程推导 | 第34-39页 |
| 3.2.1.1 K分布杂波模型 | 第34-36页 |
| 3.2.1.2 包含幅度信息的量测向量pdf | 第36-37页 |
| 3.2.1.3 幅度知识辅助的修正黎卡蒂方程 | 第37-39页 |
| 3.2.2 信息衰减因子数值求解 | 第39-41页 |
| 3.2.3 仿真分析 | 第41-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 知识辅助的检测跟踪耦合算法 | 第48-69页 |
| 4.1 基于贝叶斯框架的检测跟踪耦合算法 | 第48-54页 |
| 4.1.1 算法推导 | 第49-51页 |
| 4.1.2 仿真分析 | 第51-54页 |
| 4.2 幅度知识辅助检测跟踪耦合算法 | 第54-59页 |
| 4.2.1 算法推导 | 第54-56页 |
| 4.2.2 仿真分析 | 第56-59页 |
| 4.3 多目标检测跟踪耦合算法 | 第59-68页 |
| 4.3.1 自适应门限检测 | 第60-61页 |
| 4.3.2 量测与目标互关联概率推导 | 第61-65页 |
| 4.3.3 仿真及结果分析 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 全文总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 后续工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |