| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-25页 |
| §1.1 引言 | 第11-12页 |
| §1.2 智能无线传感侦察网络概述 | 第12-15页 |
| §1.3 机动目标跟踪的国内外研究现状和进展 | 第15-22页 |
| §1.3.1 机动目标跟踪的研究现状 | 第16-19页 |
| §1.3.2 无线传感网机动目标跟踪的研究现状 | 第19-21页 |
| §1.3.3 无线传感网机动目标跟踪所面临的主要问题 | 第21-22页 |
| §1.4 课题研究的背景及论文的主要研究内容 | 第22-25页 |
| §1.4.1 课题研究背景 | 第22页 |
| §1.4.2 论文的主要研究内容 | 第22-25页 |
| 第二章 机动目标跟踪的基本理论和方法 | 第25-38页 |
| §2.1 引言 | 第25-26页 |
| §2.1.1 单机动目标跟踪 | 第25-26页 |
| §2.1.2 多机动目标跟踪 | 第26页 |
| §2.2 机动目标跟踪的数学模型 | 第26-31页 |
| §2.2.1 机动目标运动模型和测量模型 | 第27-28页 |
| §2.2.2 CV机动模型 | 第28页 |
| §2.2.3 CA机动模型 | 第28-29页 |
| §2.2.4 Singer加速模型 | 第29-30页 |
| §2.2.5 均值自适应加速模型 | 第30-31页 |
| §2.3 目标跟踪滤波算法 | 第31-37页 |
| §2.3.1 贝叶斯滤波算法 | 第31-32页 |
| §2.3.2 卡尔曼滤波算法 | 第32-33页 |
| §2.3.3 网格滤波 | 第33-34页 |
| §2.3.4 非线性滤波算法 | 第34页 |
| §2.3.5 扩展卡曼滤波算法 | 第34-36页 |
| §2.3.6 近似网格滤波 | 第36-37页 |
| §2.4 小结 | 第37-38页 |
| 第三章 粒子滤波在目标跟踪中的应用 | 第38-56页 |
| §3.1 引言 | 第38-39页 |
| §3.2 粒子滤波器 | 第39-47页 |
| §3.2.1 蒙特卡洛采样原理 | 第39-40页 |
| §3.2.2 贝叶斯重要性采样 | 第40-41页 |
| §3.2.3 序列重要性采样(SIS) | 第41-44页 |
| §3.2.4 退化现象 | 第44-46页 |
| §3.2.5 粒子滤波器存在的问题 | 第46-47页 |
| §3.3 改进的粒子滤波方法 | 第47-50页 |
| §3.3.1 正则粒子滤波(RPF:Regularized Particle Filter) | 第47-48页 |
| §3.3.2 自适应粒子滤波(APF:Adaptive Particle Filter) | 第48-49页 |
| §3.3.3 进化粒子滤波 | 第49-50页 |
| §3.4 粒子滤波与其他滤波算法的仿真比较 | 第50-54页 |
| §3.4.1 仿真分析 | 第50-54页 |
| §3.4.2 结果讨论 | 第54页 |
| §3.5 本章小结 | 第54-56页 |
| 第四章 分布式Unscented粒子滤波算法 | 第56-74页 |
| §4.1 引言 | 第56-57页 |
| §4.2 无线传感网络中分布式跟踪算法 | 第57-61页 |
| §4.2.1 分布式算法的约束条件 | 第57-58页 |
| §4.2.2 分布式目标跟踪算法 | 第58-59页 |
| §4.2.3 分布式粒子滤波 | 第59-61页 |
| §4.3 分布式Unscented粒子滤波算法 | 第61-69页 |
| §4.3.1 分布式粒子滤波算法中的问题 | 第61页 |
| §4.3.2 Unscented卡尔曼滤波 | 第61-66页 |
| §4.3.3 分布式Unscented粒子滤波 | 第66-69页 |
| §4.4 仿真结果与分析 | 第69-72页 |
| §4.5 本章小结 | 第72-74页 |
| 第五章 基于神经元网络的改进Unscented粒子滤波算法 | 第74-92页 |
| §5.1 引言 | 第74-75页 |
| §5.2 纯方位目标跟踪 | 第75-77页 |
| §5.2.1 基本概念 | 第75页 |
| §5.2.2 纯方位跟踪的研究现状 | 第75-77页 |
| §5.3 人工神经元网络综述 | 第77-82页 |
| §5.3.1 神经元网络的基本概念 | 第78-79页 |
| §5.3.2 BP神经网络模型 | 第79-81页 |
| §5.3.3 神经元网络在目标跟踪中的应用 | 第81-82页 |
| §5.4 改进的Unscented粒子滤波算法 | 第82-91页 |
| §5.4.1 Unscented粒子滤波在纯方位角跟踪中的问题 | 第82-85页 |
| §5.4.2 算法描述 | 第85-86页 |
| §5.4.3 仿真验证与分析 | 第86-91页 |
| §5.5 本章小结 | 第91-92页 |
| 第六章 基于预测的多目标粒子滤波跟踪算法 | 第92-107页 |
| §6.1 引言 | 第92-93页 |
| §6.2 多目标跟踪问题 | 第93-95页 |
| §6.2.1 概述 | 第93页 |
| §6.2.2 数据关联 | 第93-95页 |
| §6.3 无线传感网中多目标跟踪问题 | 第95-98页 |
| §6.3.1 概述 | 第95-96页 |
| §6.3.2 多目标问题的局部性 | 第96-97页 |
| §6.3.3 多目标信号的混杂 | 第97-98页 |
| §6.4 基于预测的粒子滤波算法 | 第98-102页 |
| §6.4.1 声信号混叠模型与可分离性 | 第98-100页 |
| §6.4.2 基于预测分离的粒子滤波算法 | 第100-102页 |
| §6.5 仿真验证与分析 | 第102-106页 |
| §6.5.1 仿真验证 | 第102-105页 |
| §6.5.2 结果分析 | 第105-106页 |
| §6.6 本章小结 | 第106-107页 |
| 第七章 结论和工作展望 | 第107-110页 |
| §7.1 主要工作成果和创新点 | 第107-108页 |
| §7.2 下一步工作展望 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 致谢 | 第118页 |
