| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·弱小目标检测前跟踪处理的优势 | 第8-9页 |
| ·检测前跟踪的主要实现方法 | 第9-11页 |
| ·论文主要工作及内容安排 | 第11-13页 |
| 第二章 非线性滤波理论简介 | 第13-25页 |
| ·引言 | 第13页 |
| ·单目标贝叶斯估计 | 第13-15页 |
| ·卡尔曼滤波 | 第15-18页 |
| ·卡尔曼滤波[41] | 第15-16页 |
| ·扩展卡尔曼滤波（EKF）[41] | 第16-17页 |
| ·无味卡尔曼滤波（UKF）[42] | 第17-18页 |
| ·粒子滤波 | 第18-21页 |
| ·序贯重要性采样和重采样[26] | 第18-19页 |
| ·基本粒子滤波算法的计算步骤 | 第19-20页 |
| ·粒子滤波的改进 | 第20-21页 |
| ·EKF、UKF 与粒子类滤波算法比较 | 第21-23页 |
| ·EKF、UKF 和 PF 三种算法的适应性范围[54] | 第21页 |
| ·仿真实验与结果 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于改进粒子滤波的雷达弱目标检测前跟踪 | 第25-41页 |
| ·引言 | 第25页 |
| ·问题描述 | 第25-28页 |
| ·目标运动模型 | 第25-26页 |
| ·量测模型 | 第26-28页 |
| ·贝叶斯 TBD 框架 | 第28-29页 |
| ·似然比函数的建立 | 第29-32页 |
| ·基于改进粒子滤波的 TBD 算法 | 第32-34页 |
| ·基于 PF 的 TBD 算法 | 第32-33页 |
| ·基于改进 PF 的 TBD 算法 | 第33-34页 |
| ·仿真实验与结果 | 第34-40页 |
| ·仿真实验一 | 第34-37页 |
| ·仿真实验二 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于粒子滤波的超视距雷达弱目标检测前跟踪 | 第41-65页 |
| ·引言 | 第41-42页 |
| ·超视距雷达模型的建立 | 第42-44页 |
| ·目标运动模型 | 第42页 |
| ·观测模型 | 第42-44页 |
| ·基于 RBPF 的 TBD 算法 | 第44-55页 |
| ·目标状态向量中存在一维线性状态分量 | 第44-46页 |
| ·目标状态向量中存在两维线性状态分量 | 第46-50页 |
| ·仿真实验与结果 | 第50-55页 |
| ·基于拟蒙特卡罗采样的 TBD 算法 | 第55-63页 |
| ·拟蒙特卡罗采样 | 第55-57页 |
| ·基于 QMC 采样的高斯粒子滤波方法 | 第57-59页 |
| ·目标检测 | 第59页 |
| ·仿真实验与结果 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者在读期间的科研工作 | 第73页 |