多机动目标跟踪算法与仿真平台开发
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 插图目录 | 第11-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状及发展趋势 | 第14-20页 |
| ·目标状态估计基本理论 | 第14-15页 |
| ·机动目标跟踪算法国内外研究现状及趋势 | 第15-16页 |
| ·多目标数据关联算法国内外研究现状及趋势 | 第16-19页 |
| ·多机动目标跟踪算法国内外研究现状及趋势 | 第19-20页 |
| ·本文的主要内容和组织结构 | 第20-22页 |
| 第2章 机动目标跟踪的基本理论与方法 | 第22-34页 |
| ·引言 | 第22页 |
| ·机动目标跟踪基本原理 | 第22-23页 |
| ·机动目标运动模型 | 第23-25页 |
| ·CV 和CA 模型 | 第23页 |
| ·Singer 模型 | 第23-24页 |
| ·协同转弯(CT)模型 | 第24-25页 |
| ·“当前”统计模型 | 第25页 |
| ·机动目标跟踪算法 | 第25-34页 |
| ·Kalman 滤波器(KF) | 第25-27页 |
| ·Kalman 滤波算法 | 第25-27页 |
| ·Kalman 滤波器优缺点 | 第27页 |
| ·扩展Kalman 滤波器(EKF) | 第27-29页 |
| ·扩展Kalman 滤波算法 | 第27-29页 |
| ·扩展Kalman 滤波的优缺点 | 第29页 |
| ·多模型法 | 第29-34页 |
| ·多模型算法的发展 | 第29-31页 |
| ·交互式多模型算法 | 第31-34页 |
| 第3章杂波环境下多非机动目标的数据关联算法 | 第34-54页 |
| ·引言 | 第34-35页 |
| ·联合概率数据关联算法 | 第35-38页 |
| ·JPDA 算法主要步骤 | 第35-37页 |
| ·JPDA 算法Matlab 伪代码 | 第37-38页 |
| ·多假设数据关联算法 | 第38-44页 |
| ·m-最优MHT 算法 | 第39-41页 |
| ·改进的m-最优MHT 算法 | 第41-44页 |
| ·改进算法1 | 第41-42页 |
| ·改进算法2 | 第42-44页 |
| ·仿真情景 | 第44-47页 |
| ·结果分析 | 第47-48页 |
| ·基于图的数据关联方法 | 第48-51页 |
| ·关联图 | 第48-49页 |
| ·关联力 | 第49页 |
| ·竞争边 | 第49-50页 |
| ·缩减算法 | 第50-51页 |
| ·基于生物学的数据关联方法 | 第51-53页 |
| ·神经网络数据关联方法 | 第51-53页 |
| ·模糊逻辑和基于认知的数据关联方法 | 第53页 |
| ·小结 | 第53-54页 |
| 第4章 基于IMMJPDA 的多机动目标跟踪算法 | 第54-63页 |
| ·引言 | 第54页 |
| ·问题描述 | 第54-55页 |
| ·IMMJPDA 算法主要步骤 | 第55-58页 |
| ·仿真情景及结果图 | 第58-61页 |
| ·结果分析 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第5章 基于IMMMHT 的多机动目标跟踪算法 | 第63-72页 |
| ·引言 | 第63页 |
| ·IMMMHT 算法 | 第63-66页 |
| ·改进的IMMMHT 算法 | 第66-67页 |
| ·仿真情景及结果图 | 第67-70页 |
| ·结果分析 | 第70页 |
| ·小结 | 第70-72页 |
| 第6章 多传感器多目标跟踪算法仿真平台设计与实现 | 第72-79页 |
| ·引言 | 第72页 |
| ·软件系统的结构和功能 | 第72-73页 |
| ·系统结构及组成 | 第72-73页 |
| ·各模块功能 | 第73页 |
| ·平台系统设计 | 第73-75页 |
| ·软件设计 | 第73-75页 |
| ·数据结构设计 | 第75页 |
| ·实例分析 | 第75-78页 |
| ·数据产生 | 第76页 |
| ·传感器数据生成及显示 | 第76-77页 |
| ·算法选择及处理 | 第77页 |
| ·性能评估 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第7章 总结和展望 | 第79-81页 |
| ·本文主要工作 | 第79-80页 |
| ·本文的不足和进一步展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87-88页 |
| 详细摘要 | 第88-92页 |
