第1章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 网络化现象
1.2.2 一致滤波算法
1.2.3 交互多模型算法
1.2.4 非线性滤波算法
1.3 主要问题和不足
1.4 论文的主要研究内容和章节安排
第2章 滤波的基础知识
2.1 卡尔曼滤波
2.1.1 射影定理
2.1.2 卡尔曼滤波算法
2.2 非线性滤波
2.2.1 扩展卡尔曼滤波
2.2.2 无损卡尔曼滤波
2.2.3 粒子滤波
2.3 本章小结
第3章 具有数据包丢失的无损卡尔曼滤波算法
3.1 引言
3.2 具有丢包补偿的无损卡尔曼滤波算法
3.2.1 问题描述
3.2.2 滤波器设计
3.2.3 数值算例
3.3 具有相关噪声和测量丢失的无损卡尔曼滤波算法
3.3.1 问题描述
3.3.2 滤波器设计
3.3.3 数值算例
3.4 本章小结
第4章 具有随机时滞和测量丢失的粒子滤波算法
4.1 引言
4.2 具有一步随机时滞和测量丢失的滤波器设计
4.2.1 问题描述
4.2.2 滤波器设计
4.2.3 数值算例
4.3 具有多步随机时滞和测量丢失的滤波器设计
4.3.1 问题描述
4.3.2 滤波器设计
4.3.3 数值及应用算例
4.4 本章小结
第5章 具有多传感器的混合卡尔曼滤波算法
5.1 引言
5.2 具有多重测量丢失的混合卡尔曼滤波算法
5.2.1 问题描述
5.2.2 滤波器设计
5.2.3 数值算例
5.3 具有乘性噪声的一致混合卡尔曼滤波算法
5.3.1 问题描述
5.3.2 一致混合卡尔曼滤波器设计
5.3.3 数值算例
5.4 本章小结
第6章 无损卡尔曼滤波算法在机动目标跟踪系统中的应用
6.1 引言
6.2 建立模型
6.3 无损卡尔曼算法在具有网络化现象的机动目标跟踪系统中的应用
6.3.1 问题描述
6.3.2 滤波器设计
6.3.3 应用算例
6.4 交互多卡尔曼滤波算法在具有网络化现象的目标跟踪系统中的应用
6.4.1 引言
6.4.2 问题描述
6.4.3 应用算例
6.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
声明
致谢
个人简历
