声明
致谢
1 绪论
1.1 课题研究的背景及意义
1.2 国内外研究现状
1.2.1 卡尔曼滤波理论的发展概述
1.2.2 带乘性噪声的系统特点及应用
1.2.3 带乘性噪声系统的估计理论的发展及其现状
1.3 本文章节安排
2 基于Kalman滤波的状态估计算法的分析
2.1 引言
2.2 Kalman滤波器（KF）的设计
2.3 扩展Kalman滤波器（EKF）的设计
2.4 无迹Kalman滤波器（UKF）的设计
2.4.1 均值和协方差的非线性变换
2.4.2 UT变换基本原理
2.4.3 UKF滤波算法
2.5 系统仿真分析
2.6 结论
3带乘性和相关加性噪声干扰下的状态估计
3.1 引言
3.2 问题描述及模型假设
3.3 最优算法
3.4 数值例子与仿真分析
3.5 本章总结
4 带乘性和相关加性噪声离散线性系统的状态估计
4.1 引言
4.2 问题描述及引理
4.3 最优算法
4.4 仿真实验及实验结果
4.5 本章总结
5 乘性噪声干扰下基于交互多模型的目标跟踪
5.1 引言
5.2 乘性噪声干扰下的卡尔曼滤波算法
5.3 乘性噪声干扰下的IMM算法
5.4 问题描述及目标模型
5.4.1 目标的状态方程和量测方程
5.4.2 恒速（CV）模型（非机动模型）
5.4.3 恒加速（CA）模型（机动模型）
5.4.4 仿真分析
5.5 本章总结
6 总结与展望
6.1 本文总结
6.2 展望
参考文献
作者简历
学位论文数据集
