多传感器目标信息融合与跟踪方法研究
| 第一章 绪论 | 第1-19页 |
| ·引言 | 第11页 |
| ·课题的国内外研究现状 | 第11-13页 |
| ·课题的研究背景与意义 | 第13-17页 |
| ·论文结构及所做工作 | 第17-19页 |
| 第二章 多传感器信息融合基本理论 | 第19-27页 |
| ·信息融合基础 | 第19-21页 |
| ·信息融合的基本原理 | 第19页 |
| ·信息融合的关键问题 | 第19-21页 |
| ·信息融合的发展方向 | 第21页 |
| ·多传感器信息融合的功能模型 | 第21-23页 |
| ·多传感器信息融合的层次结构 | 第23-26页 |
| ·检测级层次结构 | 第23页 |
| ·跟踪级层次结构 | 第23-25页 |
| ·属性级层次结构 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 卡尔曼滤波在多传感器目标信息融合中的应用 | 第27-36页 |
| ·状态估计基础 | 第27-32页 |
| ·线性系统估计－Kalman 滤波技术 | 第27-29页 |
| ·非线性系统的状态估计 | 第29-32页 |
| ·多传感器信息融合中的卡尔曼加权融合算法 | 第32-35页 |
| ·各传感器估计误差相互独立的情况 | 第33-34页 |
| ·各传感器估计误差相互不独立的情况 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 多目标跟踪的基本理论 | 第36-51页 |
| ·多目标跟踪的基本原理 | 第36-37页 |
| ·跟踪门的形成 | 第37-48页 |
| ·常用跟踪门 | 第38-42页 |
| ·性能优化的跟踪门 | 第42-43页 |
| ·类水滴形跟踪门与优化跟踪门的性能比较 | 第43-48页 |
| ·数据关联与跟踪维持 | 第48-49页 |
| ·跟踪起始与跟踪终结 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章神经网络在多传感器目标信息融合中的应用 | 第51-78页 |
| ·人工神经网络基础理论 | 第51-52页 |
| ·基于最优数据压缩的雷达和红外融合 | 第52-56页 |
| ·雷达和红外传感器同步航迹融合 | 第56-59页 |
| ·基于神经网络的雷达和红外融合方法 | 第59-67页 |
| ·基于 BP 神经网络的雷达和红外融合方法 | 第59-63页 |
| ·RBF 神经网络在多传感器目标信息融合中的应用 | 第63-67页 |
| ·仿真结果及分析 | 第67-77页 |
| ·基于最优数据压缩的雷达和红外传感器融合仿真 | 第67-70页 |
| ·雷达和红外传感器航迹融合仿真 | 第70-74页 |
| ·基于神经网络的雷达和红外传感器融合仿真 | 第74-77页 |
| ·小结 | 第77-78页 |
| 第六章 模糊逻辑技术在机动多目标跟踪中的应用 | 第78-85页 |
| ·模糊理论基础 | 第78页 |
| ·模糊信息处理与神经网络信息处理的比较 | 第78-79页 |
| ·模糊理论在机动多目标跟踪中的应用 | 第79-84页 |
| ·模糊逻辑系统的建模 | 第79-80页 |
| ·学习算法 | 第80页 |
| ·基于卡尔曼滤波的模糊逻辑跟踪器 | 第80-81页 |
| ·信息融合 | 第81-82页 |
| ·仿真结果与结论 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第七章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士期间完成的论文 | 第91页 |
