第1章 绪论
1.1 典型的空中目标
1.2 目标跟踪方法概述
1.3 本书章节安排
2.1 引言
2.2 随机过程简介
2.2.1 平稳随机过程
2.2.2 马尔可夫过程
2.3 贝叶斯定理
2.4 空间投影定理
2.5 点估计基本方法
2.5.1 极大似然估计
2.5.2 最大后验概率估计
2.5.3 最小二乘估计
2.5.4 线性最小均方误差
2.6 点估计评价标准
2.6.1 无偏性
2.6.2 一致性
2.6.3 有效性
2.7 本章小结
2.8 思考与讨论
第3章 目标跟踪系统中的基本滤波方法
3.1 引言
3.2 卡尔曼滤波方法
3.2.1 卡尔曼滤波应用实例
3.2.2 卡尔曼滤波的推导
3.2.3 卡尔曼滤波方法
3.3 扩展卡尔曼滤波方法
3.4 无迹卡尔曼滤波方法
3.4.1 无迹采样变换
3.4.2 无迹卡尔曼滤波方法
3.5 容积卡尔曼滤波方法
3.5.1 容积规则
3.5.2 容积卡尔曼滤波方法
3.6 集合卡尔曼滤波方法
3.6.1 蒙特卡罗采样
3.6.2 集合卡尔曼滤波方法
3.7 粒子滤波方法
3.7.1 重要性采样
3.7.2 重采样
3.7.3 粒子滤波
3.8 滤波性能评估
3.8.1 通用误差评价指标
3.8.2 状态估计误差下限
3.9 仿真分析
3.10 本章小结
3.1 思考与讨论
参考文献
窘4章目标跟踪基础模型
4.1 引言
4.2 空中机动目标的机动性分析
4.3 目标跟踪的基本模型
4.3.1 匀速运动模型
4.3.2 匀加速运动模型
4.3.3 匀速转弯模型
4.4 Singe；模型、Jerk模型与当前统计模型
4.4.1 Singer模型
4.4.2 Jerk模型
4.4.3 当前统计模型
4.4.4 仿真分析
4.5 空中机动目标的单模型跟踪算法
4.6 本章小结
4.7 思考与讨论
参考文献
第5章 多模型目标跟踪算法
5.1 引言
5.2 多模型跟踪理论基础
5.2.1 马尔可夫过程与跳变马尔可夫系；
3.2.2 混杂系统
5.3 初始模型集构建方法
5.3.1 目标运动模式空间
5.3.2 最小不适配设计
5.3.3 最小距离设计
5.3.4 矩匹配设计
5.4 交互式多模型目标跟踪方法
5.5 变结构交互式多模型目标跟踪方法
5.6 几种典型的模型集自适应方法
5.6.1 可能模型集算法
5.6.2 期望模式扩增算法
5.6.3 自适应网格算法
5.7 仿真实验
5.7.1 仿真场景
5.7.2 结果分析
5.8 本章小结
5.9 思考与讨论
参考文献
第6章 多传感器时空配准方法
6.1 引言
6.2 多传感器时间配准方法
6.2.1 内插外推法
6.2.2 最小二乘曲线拟合法
6.2.3 拉格朗日三点插值法
6.3 、多传感器空间配准方法
6.3.1 常用坐标系
6.3.2 各坐标系之间的转换
6.3.3 传感器系统偏差的构成及影响
6.3.4 二维空间配准算法
6.3.5 基于地心地固坐标系的空间配准算法
6.4 仿真分析
6.5 本章小结
6.6 思考与讨论
参考文献
第7章 多传感器估计融合方法
7.1 引言
7.2 集中式多传感器估计融合方法
7.2.1 方法概述
7.2.2 扩维估计融合
7.2.3 序贯估计融合
7.2.4 仿真分析
7.3 联邦滤波方法
7.3.1 联邦滤波的工作流程
7.3.2 联邦滤波器的常见实现形式及信息分配原则
7.3.3 各子滤波器的估计不相关时的融合方法
7.3.4 各子滤波器的估计相关时的融合方法
7.3.5 仿真分析
7.4 分布式多传感器估计融合方法
7.4.1 一致性估计理论基础
7.4.2 基于一致性的分布式目标跟踪算法
7.4.3 仿真分析
7.5 本章小结
7.6 思考与讨论
参考文献
第8章 空中多目标跟踪算法
8.1 引言
8.2 基于统计理论的航迹关联方法
8.2.1 加权法
8.2.2 修正法
8.2.3 双门限法
8..3基于模糊数学的航迹关联方法
8.3.1 模糊双门限法
8.3.2 模糊综合函数法
8.4 基于灰色理论的航迹关联方法
8.4.1 相近性灰色关联法
8.4.2 相似性灰色关联法
8.4.3 综合性灰色关联法
8.5 基于数据关联的多目标跟踪算法
8.5.1 最近邻法
8.5.2 概率数据关联法
8.5.3 联合概率数据关联法
8.5.4 多假设数据关联法
8.6 基于随机有限集理论的多目标跟踪算法
8.6.1 随机集有限集理论概述
8.6.2 概率假设密度滤波
8.6.3 高斯混合一概率假设密度滤波
8.6.4 序贯蒙特卡罗一概率假设密度滤波
8.7 仿真分析
8.7.1 航迹关联算法仿真分析
8.7.2 数据关联算法仿真分析
8.7.3 线性模型多目标跟踪算法仿真分析
8.7.4 非线性模型多目标跟踪算法仿真分析
8.8 本章小结
8.9 思考与讨论
参考文献
