基于粒子滤波的机动目标跟踪方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·机动目标跟踪简介 | 第8-11页 |
| ·机动目标跟踪研究内容 | 第8页 |
| ·机动目标跟踪研究现状 | 第8-9页 |
| ·机动目标模型 | 第9-11页 |
| ·粒子滤波器简介 | 第11-13页 |
| ·粒子滤波器研究现状 | 第11-12页 |
| ·粒子滤波器的应用 | 第12-13页 |
| ·论文章节安排 | 第13-15页 |
| 第二章 粒子滤波基本算法理论 | 第15-33页 |
| ·引言 | 第15页 |
| ·贝叶斯滤波原理 | 第15-16页 |
| ·卡尔曼滤波算法 | 第16-20页 |
| ·卡尔曼滤波器 | 第17-18页 |
| ·Extended 卡尔曼滤波器 | 第18-19页 |
| ·Unscented 卡尔曼滤波器 | 第19-20页 |
| ·蒙特卡罗分析 | 第20-23页 |
| ·蒙特卡罗方法 | 第20-21页 |
| ·拟蒙特卡罗方法 | 第21-23页 |
| ·粒子滤波原理 | 第23-28页 |
| ·贝叶斯重要性采样 | 第23-24页 |
| ·序贯重要性采样 | 第24-25页 |
| ·粒子退化现象 | 第25-26页 |
| ·重要性密度函数的选取 | 第26-27页 |
| ·粒子滤波基本算法流程 | 第27-28页 |
| ·粒子滤波的改进算法 | 第28-32页 |
| ·辅助粒子滤波算法 | 第29-30页 |
| ·高斯粒子滤波算法 | 第30-31页 |
| ·边缘粒子滤波算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于多模型粒子滤波的机动目标跟踪 | 第33-49页 |
| ·引言 | 第33页 |
| ·常用的多模型粒子滤波算法 | 第33-40页 |
| ·交互式多模型粒子滤波算法 | 第33-36页 |
| ·交互式多模型卡尔曼-粒子滤波算法 | 第36-38页 |
| ·仿真实验及分析 | 第38-40页 |
| ·基于多模型的高斯粒子滤波 | 第40-43页 |
| ·多模型高斯粒子滤波算法 | 第40-41页 |
| ·多模型拟蒙特卡罗-高斯粒子滤波算法 | 第41-42页 |
| ·仿真实验及分析 | 第42-43页 |
| ·迭代多模型粒子滤波 | 第43-48页 |
| ·迭代扩展卡尔曼滤波算法 | 第44-45页 |
| ·迭代多模型粒子滤波算法 | 第45-46页 |
| ·仿真实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于自适应粒子滤波的机动目标跟踪 | 第49-65页 |
| ·引言 | 第49页 |
| ·常用的机动目标自适应跟踪算法 | 第49-54页 |
| ·“当前”统计模型自适应跟踪算法 | 第49-51页 |
| ·修正的“当前”统计模型算法 | 第51-52页 |
| ·仿真实验及分析 | 第52-54页 |
| ·采样间隔的自适应调整 | 第54-58页 |
| ·常用的采样间隔自适应调整算法 | 第54-56页 |
| ·基于 GPF 的采样间隔自适应调整算法 | 第56页 |
| ·仿真实验及分析 | 第56-58页 |
| ·变速率粒子滤波算法 | 第58-64页 |
| ·变速率粒子滤波算法原理 | 第58-60页 |
| ·自然坐标系下的动态模型 | 第60-61页 |
| ·仿真实验及分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·工作总结 | 第65-66页 |
| ·未来展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者在读期间的研究成果 | 第72-73页 |
