文摘
英文文摘
第一章绪论
1.1背景
1.2信息融合问题
1.3本文工作
参考文献:
第二章目标机动模型及跟踪方程
2.1目标机动模型
2.1.1常速度模型
2.1.2常加速度模型
2.1.3一阶高斯—马尔可夫过程模型
2.1.4二阶高斯—马尔可夫过程模型
2.2主/被动雷达的目标跟踪模型
2.2.1主动雷达的目标跟踪模型
2.2.2被动雷达的目标跟踪算法
参考文献:
第三章目标航迹估计方法
3.1估计问题的构成
3.2常见的最优估计方法简介
3.2.1最小二乘估计
3.2.2最小方差估计
3.2.3极大验后估计
3.2.4极大似然估计
3.2.5贝叶斯估计
3.2.6线性最小方差估计
3.2.7常见估计方法的优缺点
3.3卡尔曼滤波
3.3.1问题的提出
3.3.2离散卡尔曼滤波基本方程
3.3.3卡尔曼滤波理论的发展和工程应用
参考文献:
第四章目标跟踪的航迹融合方法
4.1引言
4.2目标跟踪及结构
4.3单目标跟踪
4.3.1“最近邻”方法
4.3.2概率数据关联算法
4.3.3“全邻”最优滤波器
4.3.4多模型算法
4.3.5相互作用多模型概率数据关联算法
4.3.6等加权算法
4.3.7方差加权算法
4.4多目标跟踪
4.4.1联合数据关联算法
4.4.2多假设方法
4.4.3密集环境下的数据关联快速算法
4.5航迹融合方法的现状和研究进展
参考文献:
第五章方差模糊自适应卡尔曼滤波算法
5.1引言
5.2模糊控制理论简介
5.2.1引言
5.2.2模糊集合理论与模糊控制
5.3方差模糊自适应卡尔曼滤波
5.4方差模糊自适应卡尔曼滤波的仿真研究
5.4.1加速度为10g的目标机动情况
5.4.2加速度为5g的目标机动情况
5.4.3仿真结果分析
5.4.4改变隶属度函数对滤波的作用
5.5结论
参考文献:
第六章主/被动雷达目标跟踪信息融合仿真研究
6.1引言
6.2常加速度目标模型的等加权航迹融合
6.2.1等加权目标航迹融合算法
6.2.2目标运动状态方程
6.2.3主动雷达目标跟踪的测量方程及滤波方程
6.2.4被动雷达目标跟踪的测量方程及滤波方程
6.2.5仿真条件
6.2.6仿真结果
6.3常速度目标模型的等加权航迹融合
6.3.1目标运动状态方程
6.3.2仿真条件及结果
6.4常加速度目标模型的方差加权航迹融合
6.4.1方差加权目标航迹融合算法
6.4.2仿真条件及结果
6.5常速度目标的方差加权航迹融合
6.6方差模糊自适应算法的方差加权航迹融合
6.7小结
参考文献:
第七章总结与展望
7.1引言
7.2本文工作的总结
7.3展望
攻读硕士学位期间发表的论文
致谢
西北工业大学学位论文知识产权声明书和西北工业大学学位论文原创性声明