| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景及意义 | 第11页 |
| ·目标跟踪的研究内容和现状 | 第11-14页 |
| ·目标跟踪研究的基本内容 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的研究内容和结构安排 | 第14-16页 |
| 第2章 目标跟踪滤波原理与方法 | 第16-45页 |
| ·跟踪坐标系选择 | 第17-18页 |
| ·目标运动模型 | 第18-25页 |
| ·CV与CA模型 | 第19-20页 |
| ·时间相关模型(Singer模型) | 第20-22页 |
| ·半马尔可夫模型 | 第22-23页 |
| ·Noval统计模型 | 第23页 |
| ·机动目标“当前”统计模型 | 第23-24页 |
| ·机动转弯模型 | 第24-25页 |
| ·目标跟踪滤波与预测方法 | 第25-36页 |
| ·wiener滤波 | 第26-28页 |
| ·加权最小二乘法滤波 | 第28页 |
| ·α-β和α-β-γ滤波 | 第28-31页 |
| ·线性卡尔曼滤波 | 第31-36页 |
| ·非线性滤波方法 | 第36-41页 |
| ·扩展卡尔曼滤波(EKF) | 第36-38页 |
| ·去偏转换测量卡尔曼滤波(CMKF-D) | 第38-41页 |
| ·仿真试验及结果分析 | 第41-44页 |
| ·二维极坐标观测条件下CMKF-D算法与EKF算法比较 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 机动目标跟踪的自适应滤波算法 | 第45-60页 |
| ·机动检测自适应滤波 | 第45-48页 |
| ·基于χ~2分布机动检测方法 | 第46-47页 |
| ·基于概率机动检测方法 | 第47页 |
| ·统计检验检测法 | 第47-48页 |
| ·基于当前统计模型的辨识算法(CSMKF) | 第48-52页 |
| ·机动加速度的“当前”概率密度 | 第48-49页 |
| ·自适应滤波算法 | 第49-51页 |
| ·算法改进 | 第51-52页 |
| ·基于新息偏差的自适应滤波算法(IBAF) | 第52-54页 |
| ·仿真试验及结果分析 | 第54-59页 |
| ·改进基于“当前”模型统计自适应滤波仿真 | 第54-57页 |
| ·基于新息偏差自适应滤波仿真 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 机动目标跟踪的交互式多模型算法 | 第60-72页 |
| ·交互式多模型滤波算法 | 第60-63页 |
| ·模糊交互式多模型滤波算法 | 第63-69页 |
| ·模糊逻辑推理 | 第64页 |
| ·模糊逻辑推理的构成要素 | 第64-65页 |
| ·模糊逻辑推理系统 | 第65-66页 |
| ·模糊交互式多模型(FMMTA)算法设计 | 第66-69页 |
| ·仿真试验及结果分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 分段循环卡尔曼滤波 | 第72-80页 |
| ·简化的卡尔曼滤波 | 第72-74页 |
| ·降低卡尔曼滤波计算量的途径 | 第72-73页 |
| ·常增益滤波 | 第73页 |
| ·状态约减滤波 | 第73页 |
| ·分段循环卡尔曼滤波 | 第73页 |
| ·解耦卡尔曼滤波 | 第73-74页 |
| ·本文的简化卡尔曼滤波方法 | 第74页 |
| ·分段循环卡尔曼滤波分析 | 第74页 |
| ·自适应增益阵重启原理 | 第74页 |
| ·算法仿真和分析 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 结论 | 第80-82页 |
| ·全文总结 | 第80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 研究生履历 | 第87页 |