| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 被动滤波定位算法研究现状 | 第13-14页 |
| 1.2.2 跟踪系统配准研究现状 | 第14页 |
| 1.2.3 数据关联算法研究现状 | 第14-15页 |
| 1.3 当前研究不足 | 第15页 |
| 1.4 本文研究内容 | 第15-17页 |
| 第二章 配准和参数估计算法理论研究 | 第17-33页 |
| 2.1 被动跟踪系统的模型研究 | 第17-23页 |
| 2.1.1 目标运动模型研究 | 第17-22页 |
| 2.1.2 系统观测方程 | 第22-23页 |
| 2.2 滤波定位算法 | 第23-25页 |
| 2.2.1 Unscented 卡尔曼滤波算法 | 第23-25页 |
| 2.3 传感器空间配准 | 第25-30页 |
| 2.3.1 三维跟踪环境下量测转换引起的偏差分析 | 第25-28页 |
| 2.3.2 扩维空间配准算法 | 第28-30页 |
| 2.4 算法性能评价指标 | 第30-32页 |
| 2.4.1 定位精度的几何稀释(GDOP) | 第30-31页 |
| 2.4.2 均方根误差(RMSE) | 第31-32页 |
| 2.4.3 正确关联概率 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 双站被动跟踪系统配准估计联合算法实现 | 第33-52页 |
| 3.1 基于 EM-UKS 法的联合模型配准与参数估计问题 | 第33-46页 |
| 3.1.1 最大似然法和期望最大化法 | 第33-41页 |
| 3.1.2 仿真结果 | 第41-46页 |
| 3.2 EM-UKF 算法与扩维 UKF 算法对比仿真 | 第46-51页 |
| 3.3 本章小结 | 第51-52页 |
| 第四章 基于关联矩阵的多传感器多目标联合估计算法 | 第52-66页 |
| 4.1 基于关联矩阵的联合估计算法 | 第52-55页 |
| 4.1.1 关联矩阵以及全数据似然函数 | 第52-55页 |
| 4.1.2 EM 算法 | 第55页 |
| 4.2 仿真对比融合算法 | 第55-59页 |
| 4.2.1 并行滤波 | 第56-57页 |
| 4.2.2 数据压缩滤波 | 第57-58页 |
| 4.2.3 Bar-Shalom-Campo 融合算法 | 第58-59页 |
| 4.3 融合仿真结果 | 第59-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 多传感器多目标融合定位平台的软件设计与实现 | 第66-83页 |
| 5.1 平台设计要求 | 第66-67页 |
| 5.2 平台功能分析 | 第67-68页 |
| 5.3 仿真评估平台的软件设计 | 第68-73页 |
| 5.3.1 战场环境、我机与目标数据结构设计 | 第70-72页 |
| 5.3.2 滤波定位算法仿真及评估设计 | 第72-73页 |
| 5.4 平台特点 | 第73-74页 |
| 5.5 仿真评估软件平台主要功能界面 | 第74-81页 |
| 5.5.1 融合中心服务器与我机客户端登陆界面 | 第74-76页 |
| 5.5.2 初始参数设置工作界面 | 第76-77页 |
| 5.5.3 态势图显示界面 | 第77-78页 |
| 5.5.4 本机雷达仿真界面 | 第78-80页 |
| 5.5.5 结果查看界面 | 第80-81页 |
| 5.6 仿真评估结果 | 第81-82页 |
| 5.7 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 全文总结 | 第83-84页 |
| 6.2 未来展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 硕士期间发表文章 | 第90页 |
