多传感器机动目标跟踪的自适应网格交互多模算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-16页 |
| ·引言 | 第13页 |
| ·国内外研究动态 | 第13-14页 |
| ·论文主要工作 | 第14-16页 |
| 第二章 多传感器概述及雷达通信 | 第16-23页 |
| ·传感器组成概述 | 第16-19页 |
| ·传感器的组成 | 第16-17页 |
| ·传感器的分类 | 第17-18页 |
| ·常用传感器 | 第18-19页 |
| ·多传感器的特点 | 第19-20页 |
| ·多传感器的特征 | 第19页 |
| ·多传感器的管理 | 第19-20页 |
| ·多传感器跟踪优势 | 第20页 |
| ·雷达通信系统 | 第20-22页 |
| ·雷达数据预处理 | 第20-21页 |
| ·雷达网络结构 | 第21页 |
| ·宽带雷达通信网 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 多传感器数据融合及关联 | 第23-43页 |
| ·数据融合相关概述 | 第23-28页 |
| ·数据融合定义 | 第23页 |
| ·数据融合原理 | 第23-24页 |
| ·数据融合分类 | 第24-26页 |
| ·数据融合关键问题 | 第26-27页 |
| ·数据融合的优点 | 第27-28页 |
| ·数据融合的性能评价 | 第28页 |
| ·数据融合的主要内容 | 第28-30页 |
| ·数据融合处理的问题 | 第28页 |
| ·数据融合的步骤 | 第28-29页 |
| ·数据融合常用方法 | 第29-30页 |
| ·数据关联算法 | 第30-36页 |
| ·算法回顾 | 第30-31页 |
| ·“最近邻”法 | 第31-32页 |
| ·概率数据关联滤波器 | 第32-33页 |
| ·联合概率数据关联滤波器 | 第33-36页 |
| ·数据融合滤波算法 | 第36-42页 |
| ·卡尔曼滤波 | 第36-38页 |
| ·扩展卡尔曼滤波 | 第38-42页 |
| ·小结 | 第42-43页 |
| 第四章 多传感器机动目标跟踪原理 | 第43-60页 |
| ·机动目标跟踪基本原理 | 第43-49页 |
| ·目标跟踪概述 | 第43页 |
| ·目标跟踪原理 | 第43-44页 |
| ·跟踪基本要素 | 第44-49页 |
| ·几种常用的模型 | 第49-59页 |
| ·匀速模型 | 第49-53页 |
| ·匀加速模型 | 第53-55页 |
| ·匀速率转弯模型 | 第55-58页 |
| ·当前统计模型 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 多传感器机动目标跟踪算法 | 第60-77页 |
| ·基于模型的跟踪算法概述 | 第60-61页 |
| ·多模型算法 | 第61-67页 |
| ·多模型算法原理 | 第61-62页 |
| ·静态多模型算法 | 第62-63页 |
| ·交互多模算法 | 第63-66页 |
| ·变结构交互多模算法 | 第66-67页 |
| ·自适应网格交互多模算法 | 第67-71页 |
| ·AGIMM算法概述 | 第67-68页 |
| ·AGIMM算法 | 第68-70页 |
| ·AGIMM优点 | 第70-71页 |
| ·自适应网格交互多模算法改进 | 第71-73页 |
| ·模式转移概率计算的改进 | 第71-72页 |
| ·模式集M的实时扩增 | 第72-73页 |
| ·三种模式仿真比较 | 第73-76页 |
| ·模拟轨迹 | 第73-76页 |
| ·仿真结论 | 第76页 |
| ·小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间发表的学术论文目录 | 第92页 |
