声明
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究动态
1.3 重要工作及内容安排
第二章 目标跟踪基本理论
2.1 目标运动模型
2.1.1 线性模型
2.1.2 非线性模型
2.2 滤波算法
2.2.1 卡尔曼滤波(KF-Kalman Filter)
2.2.2扩展卡尔曼滤波(EKF-Extended Kalman Filter)
2.3 数据关联算法
2.3.1 最近邻域法
2.3.2 概率数据关联算法
2.3.3 联合概率数据关联算法
2.4 实验平台介绍
2.5 本章小结
第三章 目标跟踪滤波算法研究
3.1 卡尔曼滤波算法实际数据验证
3.1.1 算法实现流程
3.1.2 卡尔曼滤波初始化
3.1.3 实际数据验证
3.2 扩展卡尔曼滤波算法实际数据验证
3.2.1 扩展卡尔曼滤波算法流程图
3.2.2 扩展卡尔曼滤波推导与初始化
3.2.3 实际数据验证
3.3 KF与EKF实际数据滤波效果对比
3.3.1 机动车非线性运动滤波效果对比
3.3.2 行人非线性运动滤波效果对比
3.3.3 结论
3.4 基于信噪比加权的卡尔曼滤波器
3.4.1 问题的引出与分析
3.4.2 算法原理与实现流程
3.4.3 实际数据验证
3.5 本章小结
第四章 目标跟踪数据关联算法研究
4.1 单目标跟踪——NNF与PDAF分析对比
4.1.1 算法实现流程
4.1.2 实际数据验证与仿真分析
4.2 多目标跟踪——JPDAF与经验JPDAF
4.2.1 算法流程图
4.2.2 仿真结果与分析
4.3 本章小结
第五章 扩展目标跟踪研究
5.1 基于余弦定理的扩展目标跟踪
5.1.1 问题描述
5.1.2 数学建模
5.1.3 算法步骤与流程图
5.1.4 算法验证
5.2 基于I和L形模型的扩展目标跟踪
5.2.1 I和L形特征提取
5.2.2 目标位置信息提取
5.2.3 算法验证
5.3 本章小结
第六章 结语
6.1 工作总结
6.2 研究工作的不足及展望
致谢
参考文献
攻硕期间取得的研究成果