文摘
英文文摘
声明
第一章绪论
§1.1引言
§1.2智能无线传感侦察网络概述
§1.3机动目标跟踪的国内外研究现状和进展
§1.3.1机动目标跟踪的研究现状
§1.3.2无线传感网机动目标跟踪的研究现状
§1.3.3无线传感网机动目标跟踪所面临的主要问题
§1.4课题研究的背景及论文的主要研究内容
§1.4.1课题研究背景
§1.4.2论文的主要研究内容
第二章机动目标跟踪的基本理论和方法
§2.1引言
§2.1.1单机动目标跟踪
§2.1.2多机动目标跟踪
§2.2机动目标跟踪的数学模型
§2.2.1机动目标运动模型和测量模型
§2.2.2 CV机动模型
§2.2.3 CA机动模型
§2.2.4 Singer加速模型
§2.2.5均值自适应加速模型
§2.3目标跟踪滤波算法
§2.3.1贝叶斯滤波算法
§2.3.2卡尔曼滤波算法
§2.3.3网格滤波
§2.3.4非线性滤波算法
§2.3.5扩展卡尔曼滤波算法
§2.3.6近似网格滤波
§2.4小结
第三章粒子滤波在目标跟踪中的应用
§3.1引言
§3.2粒子滤波器
§3.2.1蒙特卡洛采样原理
§3.2.2贝叶斯重要性采样
§3.2.3序列重要性采样(SIS)
§3.2.4退化现象
§3.2.5粒子滤波器存在的问题
§3.3改进的粒子滤波方法
§3.3.1正则粒子滤波(RPF:Regularized Particle Filter)
§3.3.2自适应粒子滤波(APF:Adaptive ParticIe Filter)
§3.3.3进化粒子滤波
§3.4粒子滤波与其他滤波算法的仿真比较
§3.4.1仿真分析
§3.4.2结果讨论
§3.5本章小结
第四章分布式Unscented粒子滤波算法
§4.1引言
§4.2无线传感网络中分布式跟踪算法
§4.2.1分布式算法的约束条件
§4.2.2分布式目标跟踪算法
§4.2.2分布式粒子滤波
§4.3分布式Unscented粒子滤波算法
§4.3.1分布式粒子滤波算法中的问题
§4.3.2 Unscented卡尔曼滤波
§4.3.3分布式Unscented粒子滤波
§4.4仿真结果与分析
§4.5本章小结
第五章基于神经元网络的改进Unscented粒子滤波算法
§5.1引言
§5.2纯方位目标跟踪
§5.2.1基本概念
§5.2.2纯方位跟踪的研究现状
§5.3人工神经元网络综述
§5.3.1神经元网络的基本概念
§5.3.2 BP神经网络模型
§5.3.3神经元网络在目标跟踪中的应用
§5.4改进的Unscented粒子滤波算法
§5.4.1 Unscented粒子滤波在纯方位角跟踪中的问题
§5.4.2算法描述
§5.4.3仿真验证与分析
§5.5本章小结
第六章基于预测的多目标粒子滤波跟踪算法
§6.1引言
§6.2多目标跟踪问题
§6.2.1概述
§6.2.2数据关联
§6.3无线传感网中多目标跟踪问题
§6.3.1概述
§6.3.2多目标问题的局部性
§6.3.3多目标信号的混杂
§6.4基于预测的粒子滤波算法
§6.4.1声信号混叠模型与可分离性
§6.4.2基于预测分离的粒子滤波算法
§6.5仿真验证与分析
§6.5.1仿真验证
§6.5.2结果分析
§6.6本章小结
第七章结论和工作展望
§7.1主要工作成果和创新点
§7.2下一步工作展望
参考文献
致谢