| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 研究现状 | 第15-26页 |
| 1.2.1 多传感器信息融合及目标跟踪 | 第15-17页 |
| 1.2.2 非线性滤波研究现状 | 第17-20页 |
| 1.2.3 机动目标跟踪研究现状 | 第20-22页 |
| 1.2.4 数据关联技术研究现状 | 第22-23页 |
| 1.2.5 多传感器目标跟踪与识别技术研究 | 第23-26页 |
| 1.3 研究内容及结构安排 | 第26-28页 |
| 第二章 一种平滑辅助的自适应采样粒子滤波器 | 第28-44页 |
| 2.1 引言 | 第28页 |
| 2.2 粒子滤波及其存在问题 | 第28-31页 |
| 2.2.1 粒子滤波 | 第28-29页 |
| 2.2.2 序贯重要性采样及粒子退化 | 第29-30页 |
| 2.2.3 重采样及采样点贫化 | 第30-31页 |
| 2.3 平滑辅助的自适应采样粒子滤波方法 | 第31-34页 |
| 2.3.1 KLD-采样 | 第31-32页 |
| 2.3.2 平滑辅助的自适应采样粒子滤波器 | 第32-34页 |
| 2.4 算法的验证及结果分析 | 第34-43页 |
| 2.4.1 数据来源情况说明 | 第34-38页 |
| 2.4.2 验证条件 | 第38-39页 |
| 2.4.3 模型建立及参数选择 | 第39-40页 |
| 2.4.4 跟踪结果 | 第40-42页 |
| 2.4.5 算法分析 | 第42-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第三章 基于交互多模型方法的机动目标跟踪 | 第44-62页 |
| 3.1 引言 | 第44页 |
| 3.2 基于模型切换和交互多模型的机动目标跟踪方法 | 第44-47页 |
| 3.2.1 基于机动检测的模型切换法 | 第44-45页 |
| 3.2.2 交互多模型(IMM)方法 | 第45-46页 |
| 3.2.3 模型切换法与交互多模型法的比较 | 第46-47页 |
| 3.3 基于IMM的UKF滤波器设计 | 第47-53页 |
| 3.3.1 交互多模型滤波方法 | 第47-48页 |
| 3.3.2 UKF | 第48-53页 |
| 3.4 模型切换法和IMM方法对机动目标跟踪的对比试验 | 第53-60页 |
| 3.4.1 试验条件 | 第53-54页 |
| 3.4.2 误差分析 | 第54-55页 |
| 3.4.3 航迹参数及坐标系选择 | 第55页 |
| 3.4.4 状态方程及量测方程的建立 | 第55-57页 |
| 3.4.5 跟踪系统参数选择 | 第57页 |
| 3.4.6 跟踪结果及分析 | 第57-60页 |
| 3.4.7 跟踪误差对跟踪系统的影响 | 第60页 |
| 3.5 本章小结 | 第60-62页 |
| 第四章 基于粗糙集的概率数据互联算法 | 第62-80页 |
| 4.1 引言 | 第62页 |
| 4.2 联合概率数据互联算法及其优缺点分析 | 第62-64页 |
| 4.3 粗糙集概率数据互联算法 | 第64-71页 |
| 4.3.1 基于粗糙集的多目标跟踪系统的决策表构建 | 第65-66页 |
| 4.3.2 粗糙集概率数据互联算法 | 第66-71页 |
| 4.4 试验验证 | 第71-78页 |
| 4.4.1 验证数据来源情况及验证条件 | 第71页 |
| 4.4.2 系统模型建立及参数选择 | 第71-72页 |
| 4.4.3 跟踪结果及分析 | 第72-78页 |
| 4.5 本章小结 | 第78-80页 |
| 第五章 杂波环境下的隐身微弱多目标检测及跟踪 | 第80-96页 |
| 5.1 引言 | 第80页 |
| 5.2 隐身微弱目标检测与跟踪方法 | 第80-82页 |
| 5.3 量测空间自适应划分的微弱多目标检测及跟踪方法 | 第82-89页 |
| 5.3.1 系统模型的建立 | 第82-84页 |
| 5.3.2 量测空间自适应划分 | 第84-85页 |
| 5.3.3 基于RBPF的隐身微弱目标检测与跟踪 | 第85-89页 |
| 5.4 仿真研究及结果分析 | 第89-94页 |
| 5.4.1 模型建立 | 第89-90页 |
| 5.4.2 仿真条件及参数选择 | 第90页 |
| 5.4.3 仿真步骤及过程描述 | 第90-91页 |
| 5.4.4 仿真结果及分析 | 第91-93页 |
| 5.4.5 算法的工程化设计思考及建议 | 第93-94页 |
| 5.5 本章小结 | 第94-96页 |
| 第六章 基于局部冲突分配策略的多传感器目标识别方法 | 第96-108页 |
| 6.1 引言 | 第96页 |
| 6.2 D-S证据理论的基本概念 | 第96-97页 |
| 6.3 对证据合成规则的改进 | 第97-104页 |
| 6.3.1 D-S证据理论的优缺点分析 | 第98-99页 |
| 6.3.2 Yager组合规则及其优缺点分析 | 第99-100页 |
| 6.3.3 Smets假设及其优缺点分析 | 第100-101页 |
| 6.3.4 Lefevre组合公式及其优缺点分析 | 第101-102页 |
| 6.3.5 基于局部冲突分配策略的证据合成规则 | 第102-104页 |
| 6.4 基于局部冲突分配策略的多传感器目标识别 | 第104-106页 |
| 6.4.1 仿真应用背景介绍 | 第104-106页 |
| 6.4.2 目标识别结果分析 | 第106页 |
| 6.5 本章小结 | 第106-108页 |
| 第七章 低检测概率条件下的多传感器多目标跟踪 | 第108-120页 |
| 7.1 引言 | 第108页 |
| 7.2 问题描述 | 第108-109页 |
| 7.3 模型的建立 | 第109-111页 |
| 7.3.1 目标状态模型的建立 | 第109-110页 |
| 7.3.2 传感器量测模型的建立 | 第110-111页 |
| 7.4 滤波器设计 | 第111-113页 |
| 7.4.1 目标状态滤波计算 | 第111-112页 |
| 7.4.2 粒子重要性采样 | 第112页 |
| 7.4.3 目标的起始、维持及终止 | 第112-113页 |
| 7.5 数值仿真及结果分析 | 第113-118页 |
| 7.5.1 仿真说明 | 第113页 |
| 7.5.2 仿真条件 | 第113-115页 |
| 7.5.3 模型建立及参数选择 | 第115-116页 |
| 7.5.4 仿真结果及分析 | 第116-118页 |
| 7.6 本章小结 | 第118-120页 |
| 第八章 红外与雷达航迹融合方法及性能分析 | 第120-134页 |
| 8.1 引言 | 第120页 |
| 8.2 问题描述 | 第120-123页 |
| 8.2.1 系统状态模型的建立 | 第120-121页 |
| 8.2.2 雷达、红外量测的形成 | 第121-123页 |
| 8.3 红外与雷达相结合的多传感器联合跟踪 | 第123-126页 |
| 8.3.1 状态融合方法 | 第123-124页 |
| 8.3.2 量测融合方法 | 第124-126页 |
| 8.4 数值仿真及结果分析 | 第126-132页 |
| 8.4.1 仿真情况说明及工程化设计建议 | 第126页 |
| 8.4.2 数值仿真条件 | 第126-127页 |
| 8.4.3 仿真结果及分析 | 第127-132页 |
| 8.5 本章小结 | 第132-134页 |
| 第九章 研究工作总结与展望 | 第134-137页 |
| 9.1 研究工作总结 | 第134-135页 |
| 9.2 研究工作展望 | 第135-137页 |
| 致谢 | 第137-138页 |
| 参考文献 | 第138-154页 |
| 攻读博士学位期间发表论文和参加科研情况说明 | 第154-156页 |
