多传感器协同目标跟踪方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·多传感器协同目标跟踪的研究背景及意义 | 第7-9页 |
| ·多传感器协同目标跟踪的发展概况与研究现状 | 第9-10页 |
| ·本文工作及安排 | 第10-13页 |
| 第二章 多传感器协同目标跟踪方法概述 | 第13-27页 |
| ·引言 | 第13-14页 |
| ·量测数据的时间配准 | 第14-20页 |
| ·泰勒展开修正法 | 第14-15页 |
| ·内插外推法 | 第15页 |
| ·虚拟融合法 | 第15-16页 |
| ·仿真实验 | 第16-20页 |
| ·量测数据的空间配准 | 第20-22页 |
| ·数据关联算法 | 第22-26页 |
| ·跟踪门形成方法 | 第22-25页 |
| ·概率数据关联滤波器 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 非线性系统的状态估计 | 第27-45页 |
| ·引言 | 第27页 |
| ·扩展卡尔曼滤波算法 | 第27-29页 |
| ·无迹卡尔曼滤波算法 | 第29-32页 |
| ·UT 变换 | 第29-31页 |
| ·UKF 算法 | 第31-32页 |
| ·粒子滤波算法 | 第32-39页 |
| ·序贯重要性采样 | 第33-35页 |
| ·重采样 | 第35-37页 |
| ·建议分布函数的选择 | 第37-38页 |
| ·粒子滤波的算法 | 第38-39页 |
| ·仿真实验 | 第39-43页 |
| ·小结 | 第43-45页 |
| 第四章 不同系统结构下的多传感器融合估计 | 第45-55页 |
| ·引言 | 第45页 |
| ·系统结构模型 | 第45-48页 |
| ·系统模型 | 第48页 |
| ·信息融合算法 | 第48-52页 |
| ·分布式次优融合算法 | 第49页 |
| ·分布式最优融合算法 | 第49-51页 |
| ·集中式次优融合算法 | 第51页 |
| ·集中式最优融合算法 | 第51-52页 |
| ·估计性能比较 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第五章 多传感器协同目标跟踪方法研究 | 第55-65页 |
| ·引言 | 第55页 |
| ·基于PF 的多传感器顺序融合估计 | 第55-57页 |
| ·基于UKF 的多传感器加权融合估计 | 第57-59页 |
| ·未知噪声情况下的多传感器协同目标跟踪方法研究 | 第59-63页 |
| ·Sage-husa 算法介绍 | 第59-60页 |
| ·算法步骤 | 第60-61页 |
| ·仿真实验 | 第61-63页 |
| ·小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 硕士在读期间发表的论文 | 第74-75页 |
