声明
致谢
摘要
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 目标跟踪技术研究现状
1.2.2 粒子滤波算法研究现状
1.3 研究内容
1.4 论文结构
2 基本粒子滤波算法
2.1 数学基础知识
2.1.1 动态系统状态模型
2.1.2 贝叶斯估计理论
2.1.3 蒙特卡洛积分方法
2.2 基本粒子滤波算法的原理
2.2.1 重要性采样
2.2.2 序贯重要性采样
2.2.3 重采样技术
2.3 粒子滤波算法的流程
2.3.1 粒子滤波算法计算流程
2.3.2 粒子滤波的缺点及其改进
2.4 本章小结
3 基于改进进化编程的粒子滤波算法设计
3.1 基于进化编程的粒子滤波算法设计
3.1.1 进化编程算法
3.1.2 基于进化编程的粒子滤波算法
3.2 基于改进进化编程的粒子滤波算法设计
3.2.1 改进的进化编程算法
3.2.2 基于改进进化编程的粒子滤波算法
3.3 算法仿真分析
3.4 本章小结
4 基于改进粒子群优化的粒子滤波算法设计
4.1 基于粒子群优化的粒子滤波算法设计
4.1.1 粒子群优化算法
4.1.2 基于粒子群优化的粒子滤波算法
4.2 基于改进粒子群优化的粒子滤波算法设计
4.2.1 改进的粒子群优化算法
4.2.2 基于改进粒子群优化的粒子滤波算法
4.3 算法仿真分析
4.4 本章小结
5 列车运行状态目标跟踪仿真实验
5.1 列车运行状态模型
5.1.1 列车安全制动模型
5.1.2 安全制动模型的状态空间表达式
5.2 非高斯观测噪声模型
5.3 目标跟踪仿真实验
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
图索引
表索引
作者简介
学位论文数据集