| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 多传感器数据融合技术 | 第11-14页 |
| 1.2.2 非线性跟踪滤波算法 | 第14-15页 |
| 1.2.3 多传感器管理技术 | 第15-16页 |
| 1.2.4 国内外研究现状总结 | 第16-17页 |
| 1.3 研究目标与主要内容 | 第17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 异质多传感器协同跟踪基础理论和关键技术 | 第19-31页 |
| 2.1 非线性滤波跟踪算法 | 第19-25页 |
| 2.1.1 无迹卡尔曼滤波算法 | 第19-22页 |
| 2.1.2 标准容积卡尔曼滤波算法 | 第22-23页 |
| 2.1.3 仿真实验与分析 | 第23-25页 |
| 2.2 异质多传感器数据融合理论 | 第25-28页 |
| 2.2.1 雷达和红外线传感器介绍 | 第25-26页 |
| 2.2.2 集中式量测融合(CMF)标准CKF滤波 | 第26-27页 |
| 2.2.3 分布式状态融合(DSF)标准CKF滤波 | 第27-28页 |
| 2.3 多传感器管理技术 | 第28-30页 |
| 2.3.1 基于协方差控制的传感器管理原理 | 第28-29页 |
| 2.3.2 基于信息增量的传感器管理原理 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于矩阵对角化变换的改进CKF算法 | 第31-41页 |
| 3.1 基于矩阵对角化变换的CKF算法(DMCKF)原理 | 第31-32页 |
| 3.2 当前算法存在的问题与改进方法 | 第32-34页 |
| 3.3 改进的DMCKF算法流程 | 第34-35页 |
| 3.4 基于改进DMCKF的异质多传感器数据融合仿真实验 | 第35-40页 |
| 3.4.1 仿真实验环境描述 | 第35-36页 |
| 3.4.2 算法性能衡量指标 | 第36-37页 |
| 3.4.3 仿真结果与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于Renyi信息增量的异质多传感器管理算法 | 第41-50页 |
| 4.1 Renyi信息增量与Parzen窗函数 | 第41-43页 |
| 4.2 异质多传感器管理模型 | 第43-44页 |
| 4.2.1 基于Renyi信息增量的效能函数 | 第43页 |
| 4.2.2 异质多传感器对多目标的最优分配 | 第43-44页 |
| 4.3 异质多传感器管理算法步骤 | 第44-45页 |
| 4.4 仿真实验与分析 | 第45-49页 |
| 4.4.1 仿真实验环境描述 | 第45页 |
| 4.4.2 仿真结果与分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 异质多传感器多机动目标协同跟踪算法 | 第50-68页 |
| 5.1 交互式多模型改进DMCKF算法 | 第50-56页 |
| 5.1.1 跟踪模型 | 第50-52页 |
| 5.1.2 交互式多模型算法(IMM)的原理 | 第52-54页 |
| 5.1.3 交互式多模型改进DMCKF算法的流程 | 第54-55页 |
| 5.1.4 交互式多模型改进标准CKF和改进UKF算法 | 第55-56页 |
| 5.2 异质多传感器多机动目标协同跟踪算法 | 第56-58页 |
| 5.2.1 算法步骤 | 第56-57页 |
| 5.2.2 算法流程图 | 第57-58页 |
| 5.3 仿真实验与分析 | 第58-66页 |
| 5.3.1 仿真实验环境描述 | 第58-60页 |
| 5.3.2 仿真结果与分析 | 第60-66页 |
| 5.4 本章小结 | 第66-68页 |
| 结论与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的论文及研究成果 | 第74页 |
