| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 被动传感器系统的基础理论 | 第11-14页 |
| 1.2.1 被动传感器信息融合技术 | 第11-12页 |
| 1.2.2 MTT系统典型传感器量测 | 第12-13页 |
| 1.2.3 被动送传感器与目标的位置关系 | 第13-14页 |
| 1.3 多目标跟踪方法概述 | 第14-19页 |
| 1.3.1 基于数据关联的多目标跟踪方法 | 第15-17页 |
| 1.3.2 基于随机集的多目标跟踪方法 | 第17-19页 |
| 1.4 研究内容与研究方法 | 第19页 |
| 1.5 论文结构 | 第19-22页 |
| 第2章 多目标跟踪理论框架基础 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 滤波器设计基础方法 | 第22-27页 |
| 2.2.1 扩展Kalman滤波(EKF) | 第22-23页 |
| 2.2.2 无迹卡尔曼滤波算法(UKF) | 第23-25页 |
| 2.2.3 粒子滤波算法(PF) | 第25-27页 |
| 2.3 多模型方法 | 第27-28页 |
| 2.4 随机有限集理论基础 | 第28-31页 |
| 2.4.1 随机有限集定义 | 第28页 |
| 2.4.2 随机有限集框架下的多目标跟踪 | 第28-30页 |
| 2.4.3 概率假设密度滤波器(PHD) | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 被动传感器系统的数据处理方法研究 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 被动传感器系统的数学描述 | 第32-33页 |
| 3.3 被动多传感器系统量测间关联算法 | 第33-37页 |
| 3.3.1 被动关联方法概述 | 第33页 |
| 3.3.2 多维分配算法 | 第33-34页 |
| 3.3.3 改进3-D分配算法 | 第34-37页 |
| 3.4 被动多传感器系统数据融合方法 | 第37-39页 |
| 3.4.1 被动传感器阵列扩维法 | 第37-38页 |
| 3.4.2 被动传感器交叉定位法 | 第38-39页 |
| 3.5 仿真实验与结果分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于GM-PHD的多传感器状态估计方法研究 | 第42-64页 |
| 4.1 引言 | 第42页 |
| 4.2 线性GM-PHD滤波器状态估计方法设计 | 第42-55页 |
| 4.2.1 GM-PHD滤波器设计 | 第43-45页 |
| 4.2.2 仿真实验与结果分析 | 第45-49页 |
| 4.2.4 IMM-GM-PHD滤波器设计 | 第49-52页 |
| 4.2.5 仿真实验与结果分析 | 第52-55页 |
| 4.3 基于被动系统非线性GM-PHD滤波器设计 | 第55-63页 |
| 4.3.1 EK-GM-PHD滤波器设计 | 第56-58页 |
| 4.3.2 UK-GM-PHD滤波器设计 | 第58-60页 |
| 4.3.3 目标数目估计的平滑处理 | 第60页 |
| 4.3.4 仿真实验与结果分析 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 基于SMC-PHD的多传感器状态估计方法研究 | 第64-76页 |
| 5.1 引言 | 第64页 |
| 5.2 基于被动系统SMC-PHD滤波器设计 | 第64-69页 |
| 5.2.1 SMC-PHD滤波器设计方法 | 第64-66页 |
| 5.2.2 SMC-PHD滤波器参数简化设计 | 第66-67页 |
| 5.2.3 仿真实验与结果分析 | 第67-69页 |
| 5.3 基于被动系统IMM-SMC-PHD滤波器设计 | 第69-74页 |
| 5.3.1 IMM-SMC-PHD滤波器设计方法 | 第69-72页 |
| 5.3.2 仿真实验与结果分析 | 第72-74页 |
| 5.4 本章小结 | 第74-76页 |
| 总结 | 第76-78页 |
| 参考文献 | 第78-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-88页 |
| 致谢 | 第88页 |
