多传感器多目标跟踪的数据关联算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究状况 | 第8-13页 |
| ·论文主要工作及内容安排 | 第13-15页 |
| 第二章 目标跟踪和数据关联概述 | 第15-29页 |
| ·引言 | 第15页 |
| ·目标跟踪系统的组成 | 第15-19页 |
| ·航迹起始与航迹终结 | 第17-18页 |
| ·跟踪门的设定 | 第18-19页 |
| ·卡尔曼滤波 | 第19-20页 |
| ·几种经典的数据关联算法 | 第20-27页 |
| ·最近邻算法 | 第21-22页 |
| ·概率数据关联 | 第22页 |
| ·联合概率数据关联 | 第22-23页 |
| ·多假设跟踪 | 第23-25页 |
| ·多维分配算法 | 第25-26页 |
| ·拉格朗日松弛算法 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 避免航迹合并的 JPDA 算法研究 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·传统 JPDA 算法 | 第30-34页 |
| ·概率数据关联滤波器 | 第30-31页 |
| ·联合概率数据关联滤波器 | 第31-32页 |
| ·仿真结果与分析 | 第32-34页 |
| ·应用熵值法避免航迹合并的 JPDA 改进算法 | 第34-38页 |
| ·传统 JPDA 算法产生航迹合并的原因 | 第34页 |
| ·熵值法 | 第34-35页 |
| ·量测和状态模型 | 第35页 |
| ·应用熵值法的 JPDA 改进算法步骤 | 第35-38页 |
| ·仿真分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 数据关联中的多维分配算法研究 | 第41-61页 |
| ·引言 | 第41-42页 |
| ·多维分配算法 | 第42-49页 |
| ·数学模型 | 第42-44页 |
| ·拉格朗日松弛算法求解多维分配问题 | 第44-47页 |
| ·仿真结果与分析 | 第47-49页 |
| ·动态多维分配算法 | 第49-54页 |
| ·算法流程 | 第49-51页 |
| ·动态 S 维分配与静态 S 维分配算法的区别 | 第51-52页 |
| ·仿真结果与分析 | 第52-54页 |
| ·Greedy 算法解决动态多维分配问题 | 第54-59页 |
| ·数学模型 | 第55页 |
| ·量测集最优分割 | 第55-58页 |
| ·仿真结果分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者在读期间的科研工作及研究成果 | 第71-72页 |
