文摘
英文文摘
第一章绪论
1.1引言
1.2多目标跟踪的发展及现状
1.2.1目标跟踪概述
1.2.2多目标跟踪的发展
1.2.3水下制导多目标跟踪现状
1.3多目标跟踪的关键技术
1.4水下制导中多目标跟踪的发展趋势
1.5论文的选题背景和研究意义
1.6论文的主要研究工作及其内容安排
第二章水下机动目标运动模型
2.1引言
2.2随机线性系统的数学描述
2.3 CV模型和CA模型
2.3.1 CV模型
2.3.2 CA模型
2.4 Singer模型
2.5自适应高斯模型
2.5.1非零均值一阶时间相关加速度
2.5.2自适应高斯模型
2.5.3基于自适应高斯模型的跟踪算法
2.6自适应高斯模型的理论分析
2.6.1 Singer模型的跟踪误差
2.6.2自适应高斯模型的跟踪性能及误差分析
2.7机动目标模型的Monte Carlo仿真研究
2.7.1目标运动形式及参数的选取
2.7.2仿真结果与结论
2.8本章小结
第三章跟踪滤波与预测
3.1引言
3.2离散卡尔曼滤波
3.2.1离散卡尔曼滤波与预测的基本方程
3.2.2离散卡尔曼滤波的基本性质
3.3离散推广卡尔曼滤波
3.3.1离散推广卡尔曼滤波与预测方程
3.3.2离散推广卡尔曼滤波的偏差分析
3.4量测噪声方差矩阵加权卡尔曼滤波算法
3.4.1量测噪声方差矩阵加权卡尔曼滤波算法的推导
3.4.2量测噪声方差矩阵加权卡尔曼滤波算法的仿真
3.5本章小结
第四章水下多目标跟踪中的数据关联
4.1引言
4.2“最近邻”数据关联算法
4.3概率数据关联算法
4.3.1概率数据关联算法的基本原理
4.3.2关联概率的计算
4.3.3协方差矩阵的计算
4.4交互式多模型概率数据关联算法
4.4.1输入交互
4.4.2子模型滤波
4.4.3模型概率更新
4.4.4组合输出
4.5联合概率数据关联算法
4.5.1联合概率数据关联算法的基本原理
4.5.2联合事件概率的计算
4.5.3协方差矩阵的计算
4.5.4联合概率数据关联算法计算量的分析
4.5.5联合概率数据关联算法的研究进展
4.6本章小结
第五章球坐标系下的水下目标跟踪算法
5.1引言
5.2基于自适应高斯模型的解耦水下目标跟踪算法
5.2.1目标模型的状态描述
5.2.2基于自适应高斯模型的解耦水下目标跟踪算法
5.2.3 Monte Carlo仿真
5.3加速度加权自适应水下目标跟踪算法
5.3.1加速度加权自适应水下目标跟踪算法
5.3.2 Monte Carlo仿真
5.4基于扩展量测的水下目标跟踪算法
5.3.1基于扩展量测的水下目标跟踪算法
5.3.2 Monte Carlo仿真
5.5本章小结
附录5.A目标从直角坐标系到球坐标系的状态转换关系
附录5.B目标从球坐标系到直角坐标系的状态转换关系
第六章直角坐标系下的水下目标跟踪算法
6.1引言
6.2基于去偏转换量测的水下目标跟踪算法
6.2.1转换量测误差的统计特性分析
6.2.2基于去偏转换量测的水下目标跟踪算法
6.2.3 Monte Carlo仿真
6.3基于无偏转换量测的水下目标跟踪算法
6.3.1无偏转换量测
6.3.2基于无偏转换量测的水下目标跟踪算法
6.3.3 Monte Carlo仿真
6.4本章小结
附录6.A角度量测误差为均匀分布时去偏转换量测协方差阵计算
第七章水下多目标跟踪算法
7.1跟踪门算法
7.1.1跟踪门的描述
7.1.2矩形跟踪门算法
7.1.3基于多假设树的跟踪门算法
7.2基于多波束系统的水下多目标跟踪算法
7.2.1多波束系统定向原理
7.2.2多波束形成及其实现
7.2.3基于多波束系统的水下多目标跟踪算法
7.2.4基于多波束系统的水下多目标跟踪仿真
7.3基于高分辨目标参数估计的水下多目标跟踪算法
7.3.1高分辨目标参数估计研究概述
7.3.2方位—时延参数联合估计ESPRIT-TDF法
7.3.3基于高分辨目标参数估计的水下多目标跟踪算法
7.3.4基于高分辨目标参数估计的水下多目标跟踪仿真
7.4本章小结
第八章总结与展望
8.1论文的主要研究工作和取得的成果
8.2研究展望
参考文献
作者在攻渎博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及学位论文原创性声明