基于概率假设密度的多目标跟踪算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究的目的与意义 | 第11-12页 |
| ·PHD滤波算法的发展现状 | 第12-14页 |
| ·本文主要内容 | 第14-16页 |
| 第二章 基于粒子滤波实现的P-PHD算法 | 第16-24页 |
| ·多目标跟踪系统的动态模型 | 第16-17页 |
| ·贝叶斯滤波原理 | 第17-19页 |
| ·基于PHD的多目标跟踪算法 | 第19-22页 |
| ·标准P-PHD滤波算法的主要问题 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 重采样中引入最新观测的P-PHD滤波算法 | 第24-47页 |
| ·基本P-PHD算法中重采样和聚类过程 | 第24-27页 |
| ·算法重采样过程 | 第24-25页 |
| ·算法聚类(Cluster)过程 | 第25-27页 |
| ·基本P-PHD算法存在的问题及现有改进方法 | 第27-28页 |
| ·标准重采样算法存在的问题及现有改进方法 | 第27页 |
| ·聚类算法存在的问题 | 第27-28页 |
| ·对P-PHD算法进行改进的思想 | 第28-33页 |
| ·重采样过程与k-means算法原理之间的相似性 | 第28-30页 |
| ·无迹卡尔曼滤波 | 第30-33页 |
| ·引入最新观测的分类重采样改进算法 | 第33-40页 |
| ·算法原理 | 第34-35页 |
| ·算法过程 | 第35-39页 |
| ·算法分析 | 第39-40页 |
| ·算法仿真与分析 | 第40-45页 |
| ·多目标状态估计性能评估 | 第42-43页 |
| ·实验结果分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 改进型P-PHD群目标跟踪算法 | 第47-70页 |
| ·群目标跟踪问题 | 第47-50页 |
| ·群目标状态 | 第48页 |
| ·群目标系统模型 | 第48-49页 |
| ·群目标贝叶斯滤波 | 第49-50页 |
| ·群目标跟踪的PHD实现 | 第50-55页 |
| ·群目标PHD算法的标准粒子实现 | 第50-51页 |
| ·群目标PHD算法的目标数目和状态提取 | 第51-55页 |
| · | 第55-61页 |
| ·算法原理 | 第55-58页 |
| ·算法过程 | 第58-60页 |
| ·算法分析 | 第60-61页 |
| ·算法仿真与分析 | 第61-69页 |
| ·仿真场景 | 第61-65页 |
| ·仿真场景 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 总结和展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间的研究成果 | 第78-79页 |
