多被动传感器的航迹状态估计和关联算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究内容概述及国内外研究现状 | 第9-12页 |
| ·被动传感器目标跟踪研究 | 第9-10页 |
| ·滤波估计理论研究 | 第10-11页 |
| ·数据关联研究 | 第11-12页 |
| ·论文主要工作及内容安排 | 第12-16页 |
| 2 多被动传感器目标跟踪的基本理论 | 第16-24页 |
| ·引言 | 第16页 |
| ·目标跟踪基本环节 | 第16-17页 |
| ·多被动观测站交会测向定位原理 | 第17-18页 |
| ·目标运动模型 | 第18-21页 |
| ·微分多项式模型 | 第18-19页 |
| ·匀速(CV)与匀加速(CA)模型 | 第19页 |
| ·Singer模型 | 第19-20页 |
| ·交互式多模型(IMM) | 第20-21页 |
| ·"当前"统计模型 | 第21页 |
| ·算法性能评价 | 第21-23页 |
| ·均值误差(ME)和均方根误差(RMSE) | 第21-22页 |
| ·克拉美罗下界(CRLB) | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 多被动传感器的航迹状态估计算法 | 第24-38页 |
| ·引言 | 第24页 |
| ·卡尔曼(Kalman)滤波 | 第24-25页 |
| ·非线性滤波算法 | 第25-29页 |
| ·扩展卡尔曼滤波(EKF) | 第25-26页 |
| ·Unscented卡尔曼滤波(UKF) | 第26-28页 |
| ·粒子滤波(PF) | 第28-29页 |
| ·基于EKF的多被动传感器目标跟踪 | 第29-35页 |
| ·目标运动模型的建立 | 第29-30页 |
| ·传感器模型的建立 | 第30-31页 |
| ·目标航迹状态估计 | 第31-32页 |
| ·实例仿真 | 第32-35页 |
| ·基于UKF的多被动传感器目标跟踪 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 4 被动跟踪中的数据关联 | 第38-54页 |
| ·引言 | 第38页 |
| ·量测的验证——跟踪门 | 第38-40页 |
| ·滤波残差 | 第38-39页 |
| ·环形波门 | 第39页 |
| ·椭圆(球)波门 | 第39-40页 |
| ·矩形波门 | 第40页 |
| ·最近邻域法 | 第40-42页 |
| ·标准最近邻域法 | 第40-41页 |
| ·概率最近邻域法 | 第41-42页 |
| ·概率数据关联算法 | 第42-44页 |
| ·联合概率数据关联算法 | 第44-47页 |
| ·仿真分析 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于非固定观测站的目标被动跟踪 | 第54-68页 |
| ·引言 | 第54页 |
| ·坐标系与坐标变换 | 第54-57页 |
| ·常用坐标系 | 第54-55页 |
| ·坐标变换 | 第55-57页 |
| ·基于非固定观测站的目标被动跟踪误差研究 | 第57-60页 |
| ·非固定传感器模型的建立 | 第57-58页 |
| ·目标观测误差计算 | 第58-60页 |
| ·仿真分析 | 第60-66页 |
| ·本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
