模型化自适应滤波及其应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-23页 |
| ·引言 | 第9页 |
| ·自适应滤波及其应用简介 | 第9-15页 |
| ·自适应滤波的四个典型应用 | 第10-13页 |
| ·自适应滤波的研究方法 | 第13-15页 |
| ·随机梯度法 | 第13-14页 |
| ·最小二乘估计 | 第14-15页 |
| ·有关问题的综述 | 第15-16页 |
| ·相关的背景知识 | 第16-19页 |
| ·线性动态系统模型及卡尔曼滤波算法 | 第16-17页 |
| ·多项式预测滤波器简介 | 第17-19页 |
| ·论文的主要研究内容 | 第19-23页 |
| 第2章 模型化自适应滤波 | 第23-45页 |
| ·引言 | 第23-24页 |
| ·未知系统的多项式预测模型状态空间描述 | 第24-25页 |
| ·模型化无偏最优自适应滤波算法 | 第25-35页 |
| ·算法描述 | 第25-28页 |
| ·分析与讨论 | 第28-30页 |
| ·性能分析 | 第28-29页 |
| ·与传统RLS算法的对比 | 第29-30页 |
| ·仿真结果及分析 | 第30-35页 |
| ·模型化有偏自适应滤波算法 | 第35-42页 |
| ·有偏卡尔曼滤波器 | 第35-40页 |
| ·算法描述 | 第35-37页 |
| ·数值仿真和分析 | 第37-40页 |
| ·模型化有偏自适应滤波算法 | 第40-42页 |
| ·算法描述 | 第40-41页 |
| ·仿真结果及分析 | 第41-42页 |
| ·本章小结 | 第42-45页 |
| 第3章 应用Ⅰ:雷达跟踪机动目标的波形选择 | 第45-65页 |
| ·引言 | 第45-46页 |
| ·基于分数阶傅里叶变换选择目标跟踪雷达波形 | 第46-54页 |
| ·雷达机动目标跟踪及其相应的波形选择问题 | 第46-49页 |
| ·基于分数阶傅里叶变换进行最优波形选择 | 第49-54页 |
| ·模型化的自适应跟踪算法 | 第54-57页 |
| ·机动目标状态的多项式预测模型建模 | 第54-56页 |
| ·模型化自适应滤波跟踪算法 | 第56-57页 |
| ·仿真结果和分析 | 第57-63页 |
| ·本章小结 | 第63-65页 |
| 第4章 应用Ⅱ:稀疏系统的辨识 | 第65-75页 |
| ·引言 | 第65-66页 |
| ·系统稀疏性的l_1范数约束描述 | 第66-67页 |
| ·模型化自适应滤波应用于稀疏系统辨识 | 第67-70页 |
| ·算法仿真 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第5章 应用Ⅲ:道路车流量的视频检测 | 第75-95页 |
| ·引言 | 第75-76页 |
| ·视频图像采集道路交通信息的基本原理 | 第76-78页 |
| ·特征参数的定义和分析 | 第78-82页 |
| ·对比度失真和亮度失真的定义 | 第78-80页 |
| ·特征参数的分析 | 第80-82页 |
| ·车流量采集的具体方法 | 第82-92页 |
| ·背景更新策略 | 第82-84页 |
| ·特征参数的模型化自适应滤波 | 第84-89页 |
| ·自适应阈值选取 | 第89-90页 |
| ·阴影效应的影响 | 第90页 |
| ·车距过近的应对 | 第90-91页 |
| ·采集的基本流程 | 第91-92页 |
| ·实验结果 | 第92-93页 |
| ·本章小结 | 第93-95页 |
| 第6章 结论 | 第95-97页 |
| 参考文献 | 第97-109页 |
| 攻读博士学位期间发表论文和申请专利 | 第109-111页 |
| 致谢 | 第111-112页 |
