声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 多传感器数据融合技术
1.2.2 非线性跟踪滤波算法
1.2.3 多传感器管理技术
1.2.4 国内外研究现状总结
1.3 研究目标与主要内容
1.4 论文的组织结构
第2章 异质多传感器协同跟踪基础理论和关键技术
2.1 非线性滤波跟踪算法
2.1.1 无迹卡尔曼滤波算法
2.1.2 标准容积卡尔曼滤波算法
2.1.3 仿真实验与分析
2.2 异质多传感器数据融合理论
2.2.1 雷达和红外线传感器介绍
2.2.2 集中式量测融合(CMF)标准CKF滤波
2.2.3 分布式状态融合(DSF)标准CKF滤波
2.3 多传感器管理技术
2.3.1 基于协方差控制的传感器管理原理
2.3.2 基于信息增量的传感器管理原理
2.4 本章小结
第3章 基于矩阵对角化变换的改进CKF算法
3.1 基于矩阵对角化变换的CKF算法(DMCKF)原理
3.2 当前算法存在的问题与改进方法
3.3 改进的DMCKF算法流程
3.4 基于改进DMCKF的异质多传感器数据融合仿真实验
3.4.1 仿真实验环境描述
3.4.2 算法性能衡量指标
3.4.3 仿真结果与分析
3.5 本章小结
第4章 基于Renyi信息增量的异质多传感器管理算法
4.1 Renyi信息增量与Parzen窗函数
4.2 异质多传感器管理模型
4.2.1 基于Renyi信息增量的效能函数
4.2.2 异质多传感器对多目标的最优分配
4.3 异质多传感器管理算法步骤
4.4 仿真实验与分析
4.4.1 仿真实验环境描述
4.4.2 仿真结果与分析
4.5 本章小结
第5章 异质多传感器多机动目标协同跟踪算法
5.1 交互式多模型改进DMCKF算法
5.1.1 跟踪模型
5.1.2 交互式多模型算法(IMM)的原理
5.1.3 交互式多模型改进DMCKF算法的流程
5.1.4 交互式多模型改进标准CKF和改进UKF算法
5.2 异质多传感器多机动目标协同跟踪算法
5.2.1 算法步骤
5.2.2 算法流程图
5.3 仿真实验与分析
5.3.1 仿真实验环境描述
5.3.2 仿真结果与分析
5.4 本章小结
结论与展望
致谢
参考文献
攻读学位期间发表的论文及研究成果