| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 机动目标跟踪的研究现状 | 第9-11页 |
| 1.3 论文研究内容及章节安排 | 第11-14页 |
| 第2章 卡尔曼滤波理论 | 第14-24页 |
| 2.1 卡尔曼滤波器 | 第14-15页 |
| 2.2 Extended卡尔曼滤波器 | 第15-16页 |
| 2.3 Unscented卡尔曼滤波器 | 第16-18页 |
| 2.4 Cubature卡尔曼滤波器 | 第18-21页 |
| 2.5 仿真实验分析与比较 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 粒子滤波 | 第24-38页 |
| 3.1 粒子滤波算法基础 | 第24-29页 |
| 3.1.1 贝叶斯估计 | 第24-26页 |
| 3.1.2 蒙特卡罗积分 | 第26-27页 |
| 3.1.3 贝叶斯重要性采样 | 第27-28页 |
| 3.1.4 序贯重要性采样 | 第28-29页 |
| 3.2 粒子滤波算法 | 第29-34页 |
| 3.2.1 标准粒子滤波算法 | 第29-30页 |
| 3.2.2 标准粒子滤波算法的缺点及其解决方法 | 第30-34页 |
| 3.3 仿真实验分析与比较 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 改进的粒子滤波算法 | 第38-52页 |
| 4.1 一种新的改进辅助变量粒子滤波算法 | 第38-41页 |
| 4.2 基于容积卡尔曼滤波的高斯粒子滤波算法 | 第41-45页 |
| 4.2.1 高斯粒子滤波算法 | 第41-42页 |
| 4.2.2 基于CKF的高斯粒子滤波算法 | 第42-45页 |
| 4.3 仿真实验分析与比较 | 第45-51页 |
| 4.3.1 AVPF算法和改进AVPF算法的仿真实验与分析 | 第45-48页 |
| 4.3.2 基于容积卡尔曼滤波的高斯粒子滤波算法的仿真实验与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 改进粒子滤波算法在机动目标跟踪中的应用 | 第52-74页 |
| 5.1 机动目标跟踪原理 | 第52-53页 |
| 5.2 机动目标运动模型 | 第53-57页 |
| 5.2.1 CV和VA模型 | 第53页 |
| 5.2.2 匀速转弯模型 | 第53-54页 |
| 5.2.3 Singer模型 | 第54-56页 |
| 5.2.4“当前”统计模型 | 第56-57页 |
| 5.3 交互式多模型 | 第57-67页 |
| 5.3.1 交互式多模型算法的基本原理 | 第57-60页 |
| 5.3.2 交互式多模型在目标跟踪中的应用 | 第60-67页 |
| 5.4 基于改进高斯粒子滤波的交互多模型算法 | 第67-69页 |
| 5.5 仿真实验分析与比较 | 第69-72页 |
| 5.6 本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间的科研成果 | 第84页 |