| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 论文相关技术的国内外研究现状 | 第11-16页 |
| 1.2.1 检测前跟踪研究现状 | 第11-13页 |
| 1.2.2 随机集理论研究现状 | 第13-14页 |
| 1.2.3 MIMO雷达研究现状 | 第14-16页 |
| 1.3 本文的主要工作及内容安排 | 第16-18页 |
| 第二章 基于随机集理论的多目跟踪算法研究 | 第18-37页 |
| 2.1 概率假设密度滤波器 | 第18-23页 |
| 2.1.1 随机集理论 | 第18-19页 |
| 2.1.2 多目标随机集跟踪理论 | 第19-21页 |
| 2.1.3 随机集PHD滤波 | 第21-23页 |
| 2.2 高斯混合平滑PHD滤波算法 | 第23-26页 |
| 2.3 粒子PHD滤波算法 | 第26-30页 |
| 2.3.1 基本的P-PHD算法流程 | 第26-28页 |
| 2.3.2 改进的P-PHD算法 | 第28-30页 |
| 2.4 仿真实验及分析 | 第30-36页 |
| 2.4.1 多目标状态估计性能评价方案 | 第30-31页 |
| 2.4.2 仿真及分析 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于PHD滤波器的多目标检测前跟踪算法研究 | 第37-52页 |
| 3.1 TBD问题描述与模型建立 | 第37-41页 |
| 3.1.1 目标状态模型 | 第38-39页 |
| 3.1.2 基于雷达传感器量测的TBD建模 | 第39-40页 |
| 3.1.3 多目标TBD似然比函数建立 | 第40-41页 |
| 3.2 基于粒子滤波的PHD-TBD算法 | 第41-43页 |
| 3.3 改进的粒子滤波PHD-TBD算法 | 第43-47页 |
| 3.3.1 辅助粒子滤波 | 第43-45页 |
| 3.3.2 改进的粒子滤波PHD-TBD算法 | 第45-47页 |
| 3.4 仿真实现和分析 | 第47-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 MIMO雷达场景下的多目标检测前跟踪算法研究 | 第52-70页 |
| 4.1 分布式MIMO雷达 | 第52-55页 |
| 4.1.1 MIMO雷达信号模型 | 第52-54页 |
| 4.1.2 目标运动和观测模型 | 第54-55页 |
| 4.2 基于粒子PHD的MIMO雷达检测前跟踪算法 | 第55-64页 |
| 4.2.1 多传感器多目标TBD建模 | 第56-58页 |
| 4.2.2 基于MIMO雷达的多目标检测前跟踪算法实现 | 第58-60页 |
| 4.2.3 仿真实验和分析 | 第60-64页 |
| 4.4 改进的MIMO雷达多目标检测前跟踪算法 | 第64-68页 |
| 4.4.1 算法原理 | 第64-66页 |
| 4.4.2 仿真实验及分析 | 第66-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
