| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·目标跟踪的研究现状 | 第10-12页 |
| ·本文研究内容 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 2 粒子滤波基本原理 | 第14-23页 |
| ·引言 | 第14页 |
| ·贝叶斯理论 | 第14-16页 |
| ·序贯重要性采样算法 | 第16-20页 |
| ·重要性概率密度函数 | 第20-21页 |
| ·重采样过程 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3 改进重采样过程的粒子滤波算法 | 第23-29页 |
| ·引言 | 第23页 |
| ·SIR粒子滤波算法存在的问题 | 第23页 |
| ·正则化(RPF)粒子滤波 | 第23-25页 |
| ·辅助采样重要性重采样(ASIR)粒子滤波 | 第25-26页 |
| ·改进重采样过程取得的实验效果 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于改进粒子滤波算法的目标跟踪研究 | 第29-40页 |
| ·引言 | 第29页 |
| ·建立粒子滤波目标动态模型 | 第29-31页 |
| ·多特征自适应融合的目标观测模型 | 第31-34页 |
| ·形状特征信息 | 第31-32页 |
| ·颜色特征信息 | 第32-33页 |
| ·形状和颜色信息的自适应融合机制 | 第33-34页 |
| ·确定性重采样算法 | 第34-36页 |
| ·基于粒子空间密度的粒子集合划分 | 第34-35页 |
| ·粒子状态空间采样 | 第35-36页 |
| ·基于权值和状态空间信息的重采样算法 | 第36-37页 |
| ·目标跟踪算法的实现 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 5 改进的运动目标跟踪算法实验 | 第40-54页 |
| ·引言 | 第40页 |
| ·基于粒子权值和状态空间信息的重采样算法的仿真实验 | 第40-42页 |
| ·基于改进的目标跟踪算法的目标跟踪实验 | 第42-53页 |
| ·实时运动目标跟踪实验 | 第42-44页 |
| ·高速公路汽车跟踪实验 | 第44-47页 |
| ·复杂环境中坦克模型跟踪实验 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 6 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
| 致谢 | 第59-61页 |