基于高斯粒子滤波的协作跟踪研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 研究内容与章节安排 | 第15-17页 |
| 第2章 传感器网络目标跟踪基础 | 第17-37页 |
| 2.1 目标跟踪算法 | 第17-26页 |
| 2.1.1 卡尔曼滤波 | 第17-19页 |
| 2.1.2 扩展卡尔曼滤波 | 第19-20页 |
| 2.1.3 不敏卡尔曼滤波 | 第20-22页 |
| 2.1.4 粒子滤波 | 第22-26页 |
| 2.2 传感器网络特有的跟踪策略 | 第26-34页 |
| 2.2.1 双元检测协作跟踪 | 第26-29页 |
| 2.2.2 信息驱动协作跟踪 | 第29-31页 |
| 2.2.3 传送树跟踪 | 第31-34页 |
| 2.3 评价指标 | 第34-35页 |
| 2.4 小结 | 第35-37页 |
| 第3章 基于高斯粒子滤波的协作跟踪方案 | 第37-45页 |
| 3.1 系统描述 | 第37-38页 |
| 3.2 多传感器协作跟踪 | 第38-44页 |
| 3.2.1 高斯粒子滤波 | 第38-41页 |
| 3.2.2 多传感器数据融合 | 第41-44页 |
| 3.3 小结 | 第44-45页 |
| 第4章 基于粒子群优化的动态簇组织算法 | 第45-55页 |
| 4.1 问题描述 | 第45-46页 |
| 4.2 基于位置预测的簇成员节点选择 | 第46-47页 |
| 4.3 基于粒子群优化的簇头节点选择 | 第47-54页 |
| 4.3.1 粒子群算法 | 第48-49页 |
| 4.3.2 簇头节点选择实现 | 第49-54页 |
| 4.4 小结 | 第54-55页 |
| 第5章 仿真实验 | 第55-61页 |
| 5.1 实验条件 | 第55-56页 |
| 5.2 实验结果与分析 | 第56-59页 |
| 5.3 小结 | 第59-61页 |
| 第6章 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69页 |
