文摘
英文文摘
1绪论
1.1基本概念
1.1.1多传感器数据融合的基本概念
1.1.2多传感器数据融合目标跟踪的基本方法
1.2研究的目的和意义
1.3发展与现状
1.3.1数据融合的发展现状
1.3.2多传感器数据融合目标跟踪的发展现状
1.4本文的主要工作
2非线性系统中用于目标跟踪的滤波算法研究
2.1引言
2.2三维空间中转换坐标卡尔曼滤波算法的推导
2.2.1转换测量值误差的均值和方差
2.2.2转换坐标卡尔曼滤波算法
2.2.3仿真结果
2.3转换坐标卡尔曼滤波算法分析
2.4传感器和目标的相对位置对目标跟踪精度的影响
2.4.1标准卡尔曼滤波算法中测量误差协方差矩阵对滤波精度的影响
2.4.2非线性系统中传感器的位置对目标跟踪精度的影响
2.4.3仿真结果
2.5小结
3非线性系统中二维平面上多传感器远距离目标跟踪
3.1引言
3.2分布的CMKF算法
3.2.1线性系统中分布在不同空间位置的多传感器的分布融合算法
3.2.2分布的转换坐标卡尔曼滤波算法
3.3非线性系统中多传感器目标跟踪融合算法研究
3.3.1基于CMKF的中心融合算法
3.3.2间接中心融合算法
3.3.3两种中心融合算法的结果是基本等价的
3.3.4仿真结果
3.4非线性系统中多传感器远距离目标跟踪精度分析
3.4.1两传感器的位置对目标跟踪精度的影响
3.4.2三传感器的位置对目标跟踪精度的影响
3.4.3多传感器的位置对目标跟踪精度的影响
3.4.4仿真结果
3.5非线性系统中二维平面上多传感器远距离目标跟踪性能分析
3.5.1线性系统中卡尔曼滤波器的性能分析
3.5.2非线性系统中多传感器融合跟踪性能分析
3.5.3仿真结果
3.6小结
4非线性系统三维空间中多传感器远距离目标跟踪
4.1引言
4.2两传感器的位置对目标跟踪精度的影响
4.2.1方向夹角θ12对目标跟踪精度的影响
4.2.2俯仰夹角对目标跟踪精度的影响
4.3仿真结果
4.4小结
5多传感器数据融合对杂波环境中单目标跟踪的性能改善
5.1引言
5.2目标丢失定义中阈值求取方法
5.2.1一维目标跟踪情况
5.2.2二维平面上的情况
5.2.3三维空间中的目标跟踪
5.3多传感器数据融合对杂波环境中单目标跟踪的性能改善
5.4小结
6杂波环境中的多目标跟踪
6.1引言
6.2产生联合事件的一种新方法－假设树方法
6.2.1聚的形成
6.2.2假设树方法
6.3联合事件发生概率公式的推导
6.4快速JPDA算法(FJPDA)
6.5仿真结果
6.6小结
结束语
致谢
参考文献
附录A：
附录B：
附录C：
附录D：
攻读博士学位期间发表或被录用的学术论文
