机动目标跟踪与多目标互联算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 目标运动模型的研究现状 | 第10-11页 |
| 1.2.2 滤波算法的研究现状 | 第11-12页 |
| 1.2.3 数据关联的研究现状 | 第12-13页 |
| 1.3 本文主要研究内容及章节安排 | 第13-15页 |
| 第二章 机动目标跟踪及多目标互联算法基础理论 | 第15-25页 |
| 2.1 机动目标运动模型概述 | 第15-19页 |
| 2.1.1 CV与CA运动模型 | 第15-16页 |
| 2.1.2 匀速转弯运动模型（CT） | 第16页 |
| 2.1.3 Singer模型 | 第16-17页 |
| 2.1.4 当前统计模型 | 第17-18页 |
| 2.1.5 交互多模型 | 第18-19页 |
| 2.2 机动目标跟踪理论概述 | 第19-23页 |
| 2.2.1 机动目标跟踪的基本原理 | 第19-21页 |
| 2.2.2 机动目标跟踪的主要组成部分 | 第21-23页 |
| 2.3 多目标数据互联算法概述 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于强跟踪的机动目标跟踪算法研究 | 第25-46页 |
| 3.1 卡尔曼滤波 | 第25-26页 |
| 3.2 强跟踪滤波算法 | 第26-28页 |
| 3.3 基于强跟踪的平方根不敏卡尔曼滤波器 | 第28-38页 |
| 3.3.1 不敏卡尔曼滤波 | 第28-31页 |
| 3.3.2 平方根不敏卡尔曼滤波器 | 第31页 |
| 3.3.3 基于强跟踪的平方根不敏卡尔曼滤波器 | 第31-34页 |
| 3.3.4 SRUKF-STF仿真分析 | 第34-38页 |
| 3.4 基于强跟踪的容积卡尔曼滤波器 | 第38-45页 |
| 3.4.1 容积卡尔曼滤波 | 第39-41页 |
| 3.4.2 基于强跟踪的容积卡尔曼滤波器 | 第41-42页 |
| 3.4.3 STF-CKF仿真分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 数据互联算法研究 | 第46-69页 |
| 4.1 最近邻域法 | 第46页 |
| 4.2 概率数据互联算法 | 第46-51页 |
| 4.3 联合概率数据互联算法 | 第51-57页 |
| 4.3.1 确认矩阵的定义 | 第51-52页 |
| 4.3.2 互联概率的计算 | 第52-56页 |
| 4.3.3 状态估计协方差的计算 | 第56-57页 |
| 4.4 广义概率数据互联算法 | 第57-61页 |
| 4.4.1 GPDA算法思想 | 第58-59页 |
| 4.4.2 互属概率的计算 | 第59-60页 |
| 4.4.3 状态的更新 | 第60-61页 |
| 4.5 基于交互多模型的概率数据互联算法 | 第61-64页 |
| 4.6 仿真分析 | 第64-68页 |
| 4.6.1 单目标数据关联算法 | 第64-66页 |
| 4.6.2 多目标数目关联算法研究 | 第66-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 结束语 | 第69-71页 |
| 5.1 本文总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的成果 | 第75-76页 |
