| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·目标跟踪问题 | 第7-8页 |
| ·目标跟踪问题概况 | 第7页 |
| ·目标跟踪问题研究现状 | 第7-8页 |
| ·无线传感器网络概述 | 第8-10页 |
| ·无线传感器网络的概念 | 第8页 |
| ·无线传感器网络的特点 | 第8-10页 |
| ·无线传感器网络目标追踪问题的研究 | 第10-13页 |
| ·无线传感器网络目标追踪面临的问题 | 第10-11页 |
| ·无线传感器网络目标跟踪问题研究现状 | 第11-13页 |
| ·本文研究内容与安排 | 第13-14页 |
| 第二章 目标跟踪方法基础 | 第14-28页 |
| ·系统动态模型描述 | 第14-15页 |
| ·非线性动态系统的滤波理论与算法 | 第15-22页 |
| ·基本kalman 滤波器和扩展kalman 滤波器(EKF) | 第15-17页 |
| ·无迹卡尔曼滤波(UKF) | 第17-20页 |
| ·Bayes 滤波 | 第20-22页 |
| ·非参数化描述 | 第22-24页 |
| ·传统Bayes 估计面临的挑战与解决的新思路 | 第22-23页 |
| ·格型滤波(Grid-Based Filter) | 第23-24页 |
| ·基于随机采样的过程估计理论 | 第24-27页 |
| ·蒙特卡罗方法 | 第24-25页 |
| ·蒙特卡罗积分 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第三章 改进型粒子滤波算法的研究 | 第28-47页 |
| ·算法提出依据 | 第28-37页 |
| ·状态空间表示和粒子滤波器 | 第28-29页 |
| ·贝叶斯重要性采样(Bayesian Importance Sampling(BIS)) | 第29-30页 |
| ·序列重要性采样(Sequential Importance Sampling(SIS)) | 第30-31页 |
| ·退化和退化消除技术 | 第31-36页 |
| ·基本粒子滤波算法的描述 | 第36-37页 |
| ·改进型混合卡尔曼粒子滤波算法(MKPF) | 第37-42页 |
| ·重要性密度函数的选择 | 第38-40页 |
| ·重采样 | 第40页 |
| ·改进型MKPF 算法实现 | 第40-42页 |
| ·改进型MKPF 算法仿真 | 第42-46页 |
| ·小结 | 第46-47页 |
| 第四章 改进型粒子滤波算法在无线传感器网络中的应用 | 第47-56页 |
| ·目标动态模型 | 第47-49页 |
| ·序列蒙特卡罗数据融合 | 第49-50页 |
| ·期望后验分布的熵 | 第50-52页 |
| ·后验概率分布的核表示 | 第52-53页 |
| ·裂核 | 第53页 |
| ·算法流程 | 第53-54页 |
| ·目标跟踪算法的仿真 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·进一步工作的展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
