| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 多源信息融合技术 | 第11-14页 |
| 1.2.2 目标跟踪与经典滤波方法 | 第14-15页 |
| 1.3 本文完成的主要工作与创新进展 | 第15-16页 |
| 1.4 论文内容安排 | 第16-18页 |
| 第二章 多源信息融合以及现代估计理论基础概述 | 第18-32页 |
| 2.1 信息融合的基本原理 | 第18页 |
| 2.2 多源信息融合的模型与结构 | 第18-20页 |
| 2.2.1 集中式信息融合结构 | 第18-19页 |
| 2.2.2 分布式信息融合结构 | 第19-20页 |
| 2.2.3 混合式信息融合结构 | 第20页 |
| 2.3 异类信息融合方法 | 第20-21页 |
| 2.4 运动目标状态估计理论 | 第21-29页 |
| 2.4.1 目标跟踪模型介绍 | 第21-25页 |
| 2.4.2 常用滤波方法 | 第25-29页 |
| 2.5 本章小结 | 第29-32页 |
| 第三章 异质多传感器融合目标跟踪 | 第32-42页 |
| 3.1 雷达与红外传感器介绍 | 第32页 |
| 3.2 基于容积 Kalman 滤波的异质多传感器融合算法 | 第32-38页 |
| 3.2.1 问题描述 | 第33页 |
| 3.2.2 容积 Kalman 滤波 | 第33-35页 |
| 3.2.3 异质多传感器容积 Kalman 滤波 | 第35-36页 |
| 3.2.4 集中式量测融合容积卡尔曼滤波(CMF-CKF) | 第36-37页 |
| 3.2.5 分布式状态融合容积卡尔曼滤波(DSF-CKF) | 第37-38页 |
| 3.3 两种融合结构仿真实验对比分析 | 第38-41页 |
| 3.3.1 仿真实验环境概述 | 第38-39页 |
| 3.3.2 仿真实验结果与分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于多传感器融合的不完全量测下目标跟踪方法 | 第42-52页 |
| 4.1 不完全量测问题描述 | 第42-43页 |
| 4.2 不完全量测下的推广扩展卡尔曼算法 | 第43-44页 |
| 4.3 多传感器不完全量测下的机动目标跟踪算法 | 第44-46页 |
| 4.4 仿真实验与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-52页 |
| 第五章 基于声矢量传感器的运动声源定位与跟踪方法研究 | 第52-66页 |
| 5.1 矢量传感器运动声源跟踪模型介绍 | 第52-54页 |
| 5.2 改进的最大能量声源方位估计方法 | 第54-56页 |
| 5.3 Kalman 滤波框架下的运动声源定位与跟踪算法 | 第56-58页 |
| 5.4 运动声源定位跟踪算法仿真实验与分析 | 第58-62页 |
| 5.4.1 仿真实验环境概述 | 第58-59页 |
| 5.4.2 噪声协方差矩阵 k 估计 | 第59页 |
| 5.4.3 IMP 算法 DOA 估计 | 第59-60页 |
| 5.4.4 IMPT 算法运动声源 DOA 跟踪 | 第60-62页 |
| 5.5 多传感器融合下运动声源的定位跟踪方法研究 | 第62-63页 |
| 5.6 本章小结 | 第63-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间发表的论文及参加科研情况 | 第74-75页 |
