| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 论文的研究背景、目的及意义 | 第11-12页 |
| 1.2 水下目标跟踪的关键技术 | 第12-13页 |
| 1.3 水下目标跟踪技术研究现状 | 第13-16页 |
| 1.3.1 非线性滤波算法 | 第13-14页 |
| 1.3.2 目标运动模型 | 第14-16页 |
| 1.4 论文的主要内容及章节安排 | 第16-17页 |
| 第2章 非线性高斯近似滤波算法 | 第17-43页 |
| 2.1 引言 | 第17页 |
| 2.2 非线性高斯滤波的一般形式 | 第17-21页 |
| 2.2.1 贝叶斯估计统一框架 | 第17-19页 |
| 2.2.2 最小方差估计准则 | 第19页 |
| 2.2.3 非线性高斯滤波递推公式 | 第19-21页 |
| 2.3 解析高斯近似滤波器 | 第21-29页 |
| 2.3.1 函数近似高斯滤波 | 第21-22页 |
| 2.3.2 确定性采样近似高斯滤波 | 第22-25页 |
| 2.3.3 求积近似高斯滤波 | 第25-29页 |
| 2.4 滤波精度及效率分析 | 第29-42页 |
| 2.4.1 精度分析 | 第29-34页 |
| 2.4.2 效率分析 | 第34-35页 |
| 2.4.3 仿真验证 | 第35-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 高斯-埃尔米特求积滤波算法的改进 | 第43-64页 |
| 3.1 引言 | 第43页 |
| 3.2 多求积卡尔曼滤波 | 第43-54页 |
| 3.2.1 状态空间划分 | 第44页 |
| 3.2.2 高斯条件下的贝叶斯滤波公式 | 第44-46页 |
| 3.2.3 MQKF与GHQF的关系 | 第46-50页 |
| 3.2.4 仿真分析 | 第50-54页 |
| 3.3 强跟踪多求积滤波 | 第54-63页 |
| 3.3.1 强跟踪原理 | 第54-55页 |
| 3.3.2 强跟踪多求积滤波算法 | 第55-59页 |
| 3.3.3 仿真分析 | 第59-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第4章 基于交互多模型的水下目标跟踪算法 | 第64-86页 |
| 4.1 引言 | 第64页 |
| 4.2 目标跟踪系统的数学描述 | 第64-66页 |
| 4.3 多模型算法 | 第66-71页 |
| 4.3.1 多模型算法基本原理 | 第66-67页 |
| 4.3.2 多模型算法发展现状 | 第67-71页 |
| 4.4 交互式多模型算法 | 第71-75页 |
| 4.4.1 IMM算法的基本原理 | 第71-73页 |
| 4.4.2 IMM算法的基本步骤 | 第73-75页 |
| 4.5 水下目标跟踪系统中的IMM-STMQKF算法 | 第75-84页 |
| 4.5.1 仿真情景设计 | 第76-77页 |
| 4.5.2 仿真机动模型 | 第77-81页 |
| 4.5.3 仿真结果分析 | 第81-84页 |
| 4.6 本章小结 | 第84-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第94-95页 |
| 致谢 | 第95页 |