| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-27页 |
| ·课题背景及意义 | 第13-14页 |
| ·非线性滤波理论的研究进展 | 第14-20页 |
| ·高斯滤波 | 第14-16页 |
| ·多模型滤波 | 第16-17页 |
| ·粒子滤波 | 第17-19页 |
| ·其它形式的非线性滤波 | 第19-20页 |
| ·寻的制导中的非线性滤波 | 第20-24页 |
| ·论文的主要研究内容 | 第24-27页 |
| 第2章 递推贝叶斯滤波及其近似算法 | 第27-42页 |
| ·引言 | 第27页 |
| ·最优递推滤波的贝叶斯描述 | 第27-29页 |
| ·参数化方法——高斯滤波 | 第29-36页 |
| ·基于函数近似的高斯滤波 | 第30-32页 |
| ·基于统计量近似的高斯滤波 | 第32-36页 |
| ·蒙特卡洛方法——粒子滤波 | 第36-41页 |
| ·序贯重要性抽样滤波 | 第36-38页 |
| ·退化和样贫问题 | 第38-39页 |
| ·重要性抽样函数的选取 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 马尔可夫切换系统的建模与滤波 | 第42-67页 |
| ·引言 | 第42页 |
| ·马尔可夫切换系统的建模 | 第42-44页 |
| ·马尔可夫切换系统的递推贝叶斯滤波 | 第44-48页 |
| ·马尔可夫切换系统的多模型滤波 | 第48-64页 |
| ·多模型高斯滤波 | 第50-59页 |
| ·多模型粒子滤波 | 第59-64页 |
| ·仿真研究 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第4章 两步Sigma点滤波及其在被动跟踪问题中的应用 | 第67-88页 |
| ·引言 | 第67-68页 |
| ·非线性最小二乘估计 | 第68-78页 |
| ·最优静态解 | 第69-74页 |
| ·动态解 | 第74-76页 |
| ·两步 Sigma 点滤波算法 | 第76-78页 |
| ·仿真研究 | 第78-87页 |
| ·雷达跟踪问题 | 第78-83页 |
| ·被动寻的制导问题 | 第83-87页 |
| ·本章小结 | 第87-88页 |
| 第5 章 多模型粒子滤波在尖峰噪声环境下的应用 | 第88-106页 |
| ·引言 | 第88-89页 |
| ·基于多模型的Marginalized 粒子滤波 | 第89-96页 |
| ·线性状态估计 | 第90-91页 |
| ·非线性状态估计 | 第91-94页 |
| ·基于多模型和 Rao-blackwellization 的组合估计 | 第94-96页 |
| ·仿真研究 | 第96-105页 |
| ·误差分析 | 第100-102页 |
| ·一致性检验 | 第102页 |
| ·鲁棒性分析 | 第102-105页 |
| ·本章小结 | 第105-106页 |
| 第6 章 多模型自适应估计在随机机动目标拦截中的应用 | 第106-128页 |
| ·引言 | 第106-107页 |
| ·问题描述 | 第107-110页 |
| ·场景假设 | 第107-108页 |
| ·系统模型 | 第108-110页 |
| ·测量模型 | 第110页 |
| ·基于成型滤波器的目标加速度估计 | 第110-113页 |
| ·机动加速度模型 | 第111页 |
| ·增广系统模型 | 第111-112页 |
| ·成型滤波器算法 | 第112-113页 |
| ·基于多模型思想的目标加速度估计 | 第113-119页 |
| ·混杂系统建模 | 第113-114页 |
| ·MMAE 原理 | 第114页 |
| ·改进的多模型自适应估计算法 | 第114-119页 |
| ·数值鲁棒算法 | 第119页 |
| ·仿真研究 | 第119-127页 |
| ·开环性能比较 | 第119-123页 |
| ·闭环性能比较 | 第123-127页 |
| ·本章小结 | 第127-128页 |
| 结论 | 第128-130页 |
| 参考文献 | 第130-143页 |
| 攻读博士学位期间发表的学术论文 | 第143-145页 |
| 致谢 | 第145-146页 |
| 个人简历 | 第146页 |
