数据--模型混合驱动的目标跟踪方法研究

目录

第 1章绪 论

1.1 课题背景及研究目的和意义

1.2国内外研究现状

1.2.1基于模型的目标跟踪方法

1.2.2基于机器学习的目标跟踪方法

1.3研究的主要内容和各章节的安排

第 2章基于深度神经网络的单目标跟踪方法

2.1引言

2.2运动目标的数学模型分析和数据预处理

2.2.1状态空间模型

2.2.2数据预处理

2.3基于深度神经网络的目标状态估计

2.3.1 LSTM 神经网络

2.3.2 基于 LSTM 的目标状态估计

2.4实验结果与分析

2.4.1目标运动场景的建立

2.4.2线性雷达观测实验与分析

2.4.3非线性雷达观测实验与分析

2.5本章小结

第 3章数据-模型混合驱动的单目标跟踪方法

3.1引言

3.2经典滤波算法

3.2.1问题描述

3.2.2卡尔曼滤波算法

3.2.3扩展卡尔曼滤波算法

3.2.4粒子滤波算法

3.3数据-模型混合驱动的单目标跟踪模型构建

3.3.1基于模型的数据处理

3.3.2 LSTM 神经网络模型构建

3.4基于线性加权多融合模型的目标跟踪建模

3.4.1加权平均融合算法

3.4.2改进的加权融合算法

3.5实验结果与分析

3.5.1线性雷达观测实验与分析

3.5.2非线性雷达观测实验与分析

3.6本章小结

第 4章基于深度神经网络的多目标跟踪方法

4.1引言

4.2基于LSTM的观测值估计模型

4.3基于LSTM的多目标跟踪模型

4.3.1基于LSTM的关联概率密度估计模型

4.3.2数据关联规则

4.3.3多目标跟踪模型

4.4实验结果

4.5本章小结

第 5章数据-模型混合驱动的多目标跟踪方法

5.1引言

5.2循环卷积神经网络

5.2.1卷积神经网络

5.2.2 循环卷积神经网络

5.2.3构建子训练数据集

5.3概率假设密度滤波理论

5.3.1概率假设密度的定义

5.3.2 PHD 滤波器

5.3.3 GM-PHD 滤波器

5.4基于循环卷积神经网络构建多目标跟踪模型

5.4.1概率密度差

5.4.2构建多目标跟踪模型

5.5实验结果与分析

5.6本章小结

结论

参考文献

声明

致谢