文摘
英文文摘
论文说明:图表目录
声明
第一章绪论
1.1研究背景与意义
1.2机动目标跟踪理论基础
1.3机动目标跟踪研究现状
1.3.1机动目标建模
1.3.2多模型算法及模型集合设计
1.3.3非线性滤波理论
1.3.4数据关联技术
1.4本论文研究重点、创新点及章节安排
1.4.1论文的创新点
1.4.2论文章节安排
参考文献
第二章当前统计模型的自适应强跟踪算法
2.1引言
2.2传统的“当前”统计模型跟踪算法
2.3机动自适应检测
2.4强跟踪滤波器
2.4.1正交性原理
2.4.2强跟踪滤波器的实现
2.5自适应强跟踪算法
2.6实验及结果分析
2.7本章小结
参考文献
第三章转弯机动目标的多模型跟踪方法
3.1引言
3.2目标转弯模型
3.2.1目标转弯运动
3.2.2恒转弯速率模型
3.2.3基于转弯模型的多模型方法
3.3曲线模型
3.3.1基于切向和法向加速度模型集合的嵌套IMM方法
3.3.2基于切向加速度模型集的半自适应IMM方法
3.4目标角速度估计方法
3.4.1速度方向角度取值规则
3.4.2速度方向角的多模型滤波方法
3.4.3速度方向角的多模型滤波方法步骤
3.5曲线模型的自适应跟踪算法
3.5.1曲线模型的自适应跟踪算法步骤
3.6基于转弯模型的两层IMM跟踪算法
3.6.1两层交互多模型跟踪算法步骤
3.7实验及结果分析
3.8本章小结
参考文献
第四章通用的多模型设计方法
4.1引言
4.2通用的模型集合设计方法
4.2.1模式和模型数学建模
4.2.2最小分布误匹配设计
4.2.3最小距离设计
4.2.4矩匹配设计
4.3数论方法的代表点理论
4.3.1偏差基本理论
4.3.2单位立方体上的数论网格
4.3.3 F-偏差代表点
4.3.4 MSE准则的代表点
4.4基于概率分布代表点的多模型集合设计实现
4.4.1混合高斯分布
4.4.2实时修正的瑞利分布
4.4.3基于MSE准则代表点的模型集合
4.5本章小结
参考文献
第五章UKF采样策略及其混合滤波方法
5.1引言
5.2扩展卡尔曼滤波
5.3不敏卡尔曼滤波
5.3.1不敏变换
5.3.2不敏卡尔曼滤波算法
5.4粒子滤波
5.4.1粒子滤波原理
5.4.2消除权值退化的关键技术
5.5 UKF的确定性粒子采样策略
5.5.1最小数量粒子采样策略
5.5.2最小对称粒子采样策略
5.5.3空间对称粒子采样策略
5.6滤波发散及其克服方法
5.7实验及结果分析
5.8本章小结
参考文献
第六章单脉冲雷达的多目标数据关联
6.1引言
6.2单脉冲雷达跟踪原理
6.2.1信号的数学模型
6.2.2信号和差比值的概率分布
6.2.3基于Neyman-Person的推广似然比检测方法
6.3数据关联技术
6.3.1多目标模型
6.3.2关联区及有效矩阵
6.3.3关联事件和关联概率
6.3.4联合事件概率的计算
6.3.5 JPDA算法的流程
6.4实验及结果分析
6.5本章小结
参考文献
第七章总结与展望
7.1研究成果回顾
7.1.1当前统计模型的自适应强跟踪算法
7.1.2转弯机动目标的多模型跟踪方法
7.1.3基于概率分布代表点的模型集合设计方法
7.1.4 UKF采样策略及其序贯和交互混合滤波方法
7.1.5单脉冲雷达的多目标检测与数据关联技术
7.2研究方向展望
在读期间发表的论文及参加的项目
致谢