| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 第1章 绪论 | 第17-25页 |
| ·课题背景 | 第17-19页 |
| ·高频地波雷达概述 | 第17-18页 |
| ·高频地波雷达的优势 | 第18页 |
| ·高频地波雷达数据处理问题的研究意义 | 第18-19页 |
| ·高频地波雷达跟踪发展概述 | 第19-23页 |
| ·航迹起始理论 | 第19-20页 |
| ·非线性滤波 | 第20-21页 |
| ·数据关联理论 | 第21-23页 |
| ·本文研究内容 | 第23-25页 |
| 第2章 目标跟踪中的状态估计 | 第25-36页 |
| ·卡尔曼滤波与扩展卡尔曼滤波 | 第25-28页 |
| ·经典卡尔曼滤波 | 第25-27页 |
| ·扩展卡尔曼滤波 | 第27-28页 |
| ·交互式多模型(IMM)滤波器 | 第28-35页 |
| ·基本交互式多模型(IMM)滤波器算法 | 第28-32页 |
| ·关于模型转移矩阵的确定 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于信息熵的远端航迹起始方法研究 | 第36-62页 |
| ·现有航迹起始方法 | 第36-40页 |
| ·直观法 | 第36-37页 |
| ·逻辑法 | 第37页 |
| ·Hough 变换 | 第37-38页 |
| ·改进Hough 变换 | 第38-40页 |
| ·远端目标点迹起始波门选择 | 第40-43页 |
| ·径向信息与切向信息 | 第40页 |
| ·径向信息的优化 | 第40-41页 |
| ·角度波门的设置 | 第41-43页 |
| ·基于信息熵的远端航迹起始方法 | 第43-48页 |
| ·信息熵简介 | 第43页 |
| ·信息熵的计算 | 第43-46页 |
| ·基于信息熵理论的航迹属性的认定 | 第46-47页 |
| ·基于信息熵概率数据关联 | 第47-48页 |
| ·实验结果演示 | 第48-61页 |
| ·仿真数据 | 第48-50页 |
| ·实际数据 | 第50-61页 |
| ·工程应用中存在的问题 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第4章 无味滤波在雷达目标跟踪中的应用 | 第62-69页 |
| ·无味变换的基本思想 | 第62-65页 |
| ·均值和协方差的非线性变换 | 第62-63页 |
| ·无味变换的基本算法过程 | 第63-64页 |
| ·无味变换σ点集的选取方式 | 第64-65页 |
| ·无味卡尔曼滤波 | 第65-68页 |
| ·无味卡尔曼滤波的基本形式 | 第65-66页 |
| ·UKF 算法仿真 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 粒子滤波在雷达目标跟踪中的应用 | 第69-101页 |
| ·非高斯观测噪声 | 第69-70页 |
| ·基本粒子滤波算法 | 第70-75页 |
| ·蒙特卡洛采样(Monte Carlo Sampling) | 第70-71页 |
| ·贝叶斯重要性采样(Bayesian Important Sampling) | 第71-72页 |
| ·顺序重要性采样(Sequential Importance Sampling(SIS)) | 第72-73页 |
| ·粒子集的退化与重采样 | 第73页 |
| ·标准粒子滤波算法描述及其仿真 | 第73-75页 |
| ·初始化粒子的选取方法研究 | 第75-78页 |
| ·优化重要性密度函数粒子滤波算法 | 第78-82页 |
| ·最优重要性密度函数的近似 | 第78-80页 |
| ·MCMC(Markov Chain Monte Carlo)移动步骤 | 第80页 |
| ·OIPF 算法描述 | 第80-81页 |
| ·仿真 | 第81-82页 |
| ·进化粒子滤波算法(EPF) | 第82-84页 |
| ·进化规划 | 第82-83页 |
| ·进化粒子滤波算法 | 第83页 |
| ·仿真 | 第83-84页 |
| ·基于新的采样方法的一种改进型粒子滤波 | 第84-85页 |
| ·NPF 算法仿真试验 | 第85-95页 |
| ·高斯背景非机动目标 | 第85-86页 |
| ·非高斯背景不机动目标 | 第86-90页 |
| ·高斯机动情况 | 第90-92页 |
| ·非高斯机动情况 | 第92-95页 |
| ·非高斯机动飞机目标 | 第95页 |
| ·NPF 算法实际数据验证 | 第95-99页 |
| ·本章小结 | 第99-101页 |
| 第6章 速度-航向信息辅助数据关联方法研究 | 第101-120页 |
| ·概率数据关联 | 第101-103页 |
| ·联合概率数据关联 | 第103-107页 |
| ·模型 | 第103-104页 |
| ·关联区的定义和有效矩阵的建立 | 第104-107页 |
| ·JPDA 算法的的局限性 | 第107页 |
| ·速度信息辅助的JPDA | 第107-108页 |
| ·仿真分析 | 第108-113页 |
| ·交叉目标 | 第108-110页 |
| ·近距离平行目标 | 第110-113页 |
| ·交互式多模型概率数据关联算法 | 第113-117页 |
| ·交互输入 | 第113-114页 |
| ·子模型滤波 | 第114-116页 |
| ·模型概率更新 | 第116页 |
| ·组合输出 | 第116-117页 |
| ·航向信息辅助IMMPDA | 第117-120页 |
| ·IMMPDA 算法缺点 | 第117页 |
| ·航向信息辅助IMMPDA 算法 | 第117-119页 |
| ·本章小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-131页 |
| 攻读学位期间发表的学术论文 | 第131-133页 |
| 致谢 | 第133-134页 |
| 个人简历 | 第134页 |
