| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的背景及研究意义 | 第9-10页 |
| 1.2 国内外的研究现状及分析 | 第10-14页 |
| 1.2.1 非线性滤波的发展概述 | 第10-11页 |
| 1.2.2 数据关联的发展概述 | 第11-12页 |
| 1.2.3 航迹关联的发展概述 | 第12-13页 |
| 1.2.4 航迹融合 | 第13-14页 |
| 1.3 本课题的主要研究内容 | 第14页 |
| 1.4 本文结构 | 第14-16页 |
| 第2章 目标跟踪中的状态估计 | 第16-39页 |
| 2.1 前言 | 第16页 |
| 2.2 跟踪坐标系的选择 | 第16-21页 |
| 2.2.1 雷达测量或数据处理相关的坐标系 | 第16-18页 |
| 2.2.2 舰载雷达坐标系的建立 | 第18-21页 |
| 2.3 卡尔曼滤波器(KF) | 第21-22页 |
| 2.4 扩展卡尔曼滤波（EKF） | 第22-25页 |
| 2.5 不敏卡尔曼滤波 | 第25-31页 |
| 2.6 联合概率数据关联（JPDA）算法 | 第31-37页 |
| 2.6.1 JPDA 算法的基本模型 | 第31-32页 |
| 2.6.2 联合事件概率的计算 | 第32-34页 |
| 2.6.3 状态估计协方差的计算 | 第34-37页 |
| 2.7 本章小结 | 第37-39页 |
| 第3章 分布式多舰载地波超视距雷达融合算法研究 | 第39-50页 |
| 3.1 引言 | 第39页 |
| 3.2 基于 UKF 滤波的联合概率关联算法 | 第39-42页 |
| 3.2.1 多目标跟踪 | 第39-41页 |
| 3.2.2 UKF 滤波器 | 第41-42页 |
| 3.3 航迹关联算法研究 | 第42-46页 |
| 3.3.1 加权航迹关联算法 | 第43-44页 |
| 3.3.2 序贯航迹关联算法 | 第44页 |
| 3.3.3 基于曲线拟合的航迹关联算法 | 第44-46页 |
| 3.4 航迹融合算法的研究 | 第46-49页 |
| 3.4.1 简单凸组合（SF）融合算法 | 第46-47页 |
| 3.4.2 协方差加权航迹融合（WCF）算法 | 第47-48页 |
| 3.4.3 无反馈的最优分布式航迹融合算法 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 分布式多舰载地波超视距雷达融合算法仿真及性能分析 | 第50-68页 |
| 4.1 引言 | 第50页 |
| 4.2 仿真结果及性能分析 | 第50-60页 |
| 4.2.1 JPDA/UKF 算法 | 第50-54页 |
| 4.2.2 航迹关联算法的性能比较 | 第54-56页 |
| 4.2.3 分布式舰载雷达航迹融合算法的性能比较 | 第56-60页 |
| 4.3 分布式对 DMS-SWR 系统跟踪精度的影响 | 第60-66页 |
| 4.3.1 相同精度雷达组成的 DMS-SWR 系统 | 第60-64页 |
| 4.3.2 不同精度雷达组成的 DMS-SWR 系统 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
