目标跟踪新理论与技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

目标跟踪新理论与技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1引言1

1.2多目标跟踪系统基本原理2

1.3多目标跟踪系统基本问题8

1.4典型的多目标跟踪系统11

1.4.1边扫描边跟踪雷达目标跟踪系统11

1.4.2相控阵雷达目标跟踪系统12

1.4.3双基地雷达目标跟踪系统12

1.4.4多目标多传感器跟踪系统13

1.5本书概貌13

小结15

第2章 最优估计理论17

2.1估计基本概念17

2.1.1估计定义17

2.1.2估计的三个指标20

2.1.3线性最小方差估计20

2.2卡尔曼滤波及其特性21

2.2.1问题的提出21

2.2.2离散卡尔曼滤波方程23

2.2.3卡尔曼滤波器特性24

2.2.4应用26

2.3自适应卡尔曼滤波28

2.3.1问题的提出28

2.3.2自适应滤波概念28

2.3.3自适应滤波算法29

2.3.4Mehra自适应卡尔曼滤波31

小结34

第3章 机动目标模型36

3.1引言36

3.2机动目标数学模型38

3.2.1增量机动估值模型38

3.2.2强机动目标模型41

3.3机动加速度的估计44

3.3.1输入估值法44

3.3.2自适应滤波方法47

3.3.3机动加速度的探测器—目标拦截几何图估计方法50

小结53

第4章 多目标跟踪系统数据关联55

4.1引言55

4.2跟踪波门的设计57

4.3“最近邻”法58

4.4点迹—航迹配对方法60

4.5联合概率数据关联法62

4.5.1引言62

4.5.2最优联合概率数据关联算法63

4.5.3最优联合概率数据关联经验公式66

4.6数据关联的模糊推理方法68

4.6.1模糊推理关联处理的基本思路68

4.6.2基本原理69

4.6.3系统实现70

小结72

第5章 多目标跟踪算法74

5.1引言74

5.2“最近邻”贝叶斯方法75

5.3多模型跟踪算法76

5.3.1引言76

5.3.2变维卡尔曼滤波77

5.3.3自适应多模型估计器78

5.4多假设跟踪算法79

5.4.1引言79

5.4.2算法79

5.5目标编队跟踪算法81

5.5.1目标编队跟踪的基本过程81

5.5.2目标编队划分和关联处理82

5.5.3目标编队分裂和合并的检测84

5.6自适应模糊滤波85

5.6.1递归的最小二乘自适应模糊滤波86

5.6.2混合推理模糊跟踪86

小结87

第6章 目标跟踪快速算法89

6.1引言89

6.2准最优快速跟踪滤波91

6.2.1改进型α-β滤波91

6.2.2降阶滤波94

6.2.3常增益滤波95

6.3增益矩阵快速算法97

6.3.1增益矩阵快速计算方法98

6.3.2AR模型系数的快速估计100

6.4并行卡尔曼滤波的心动阵列算法101

6.4.1心动阵列的矩阵运算101

6.4.2标准卡尔曼滤波的心动阵列实现105

6.4.3平方根协方差卡尔曼滤波的心动阵列实现107

6.4.4平方根信息卡尔曼滤波的心动阵列实现107

6.5基于Lyapunov函数的快速算法108

6.5.1稳定性与Lyapunov函数108

6.5.2等时面概念及其性质110

6.5.3准快速滤波跟踪111

6.5.4Lyapunov矩阵方程的快速解法113

6.5.5结论114

小结115

第7章 鲁棒跟踪技术117

7.1引言117

7.2鲁棒跟踪基本概念120

7.2.1鲁棒跟踪定义120

7.2.2影响函数121

7.2.3定量鲁棒性测度指标122

7.3鲁棒估计的基本方法124

7.3.1M估计（广义极大似然估计）124

7.3.2L估计（排序统计量线性组合估计）126

7.4野值的判别及剔除方法127

7.4.1野值的分类127

7.4.2野值的递推判别方法128

7.5鲁棒卡尔曼滤波129

7.5.1鲁棒最小二乘递推估计129

7.5.2离散系统M估计的鲁棒卡尔曼估计131

7.5.3极大极小SA估计的鲁棒卡尔曼滤波器134

7.6变结构鲁棒跟踪138

7.6.1变结构系统性质138

7.6.2变结构鲁棒跟踪器结构140

7.7仅有角测量的机动目标鲁棒跟踪141

7.7.1仅有角测量系统的一般问题141

7.7.2机动目标鲁棒跟踪算法144

7.7.3仅有角测量系统的鲁棒制导规律148

小结151

第8章 多传感器融合跟踪系统153

8.1引言153

8.2数据融合的基本原理155

8.2.1数据融合基本概念155

8.2.2多目标多传感器跟踪基本模型156

8.2.3数据融合基本算法——卡尔曼加权算法157

8.3红外—毫米波融合跟踪算法158

8.3.1引言158

8.3.2融合跟踪系统158

8.3.3基于红外图像的机动检测159

8.3.4雷达与红外数据的融合160

8.4基于多级神经网络的类型融合161

8.4.1引言161

8.4.2多级神经网络结构162

8.4.3基于专家规则的传感器子网设计163

8.4.4网络的学习算法165

8.5超视距探测不确定信息融合168

8.5.1多站地波超视距雷达系统信息融合特殊问题168

8.5.2多站地波超视距雷达信息融合混合模型170

8.5.3多站高频地波超视距雷达目标高度估计171

8.5.4试验数据分析172

小结175

第9章 神经网络目标跟踪技术179

9.1引言179

9.2基于M估计的鲁棒神经网络181

9.2.1问题的提法181

9.2.2鲁棒BP网络定义182

9.2.3RBP算法182

9.3神经网络—模糊推理跟踪器183

9.3.1神经网络跟踪器和模糊推理跟踪器184

9.3.2神经网络—模糊推理跟踪器的特点188

9.3.3学习型模糊推理跟踪器结构189

9.3.4学习算法190

9.4机动目标增量式神经模糊网络跟踪方法191

9.4.1引言191

9.4.2机动目标雷达—红外跟踪系统192

9.4.3基于增量神经模糊网络融合方法194

9.4.4增量式神经模糊网络机动目标跟踪仿真196

小结198

第10章 弹道导弹跟踪与预测199

10.1引言199

10.2弹道导弹目标跟踪算法研究现状200

10.3弹道导弹航迹快速起始的Hough变换方法202

10.3.1引言202

10.3.2AMHT航迹起始202

10.3.3极坐标系下MHT方法205

10.4弹道导弹目标扩展卡尔曼滤波206

10.4.1引言206

10.4.2弹道导弹运动模型及观测方程207

10.4.3扩展状态向量弹道导弹目标模型209

10.4.4弹道导弹的推广卡尔曼滤波器210

10.4.5仿真实验212

10.5弹道导弹目标粒子滤波213

10.5.1引言213

10.5.2基本粒子滤波算法213

10.5.3初始化粒子的选取217

10.5.4近似最优重要性密度函数粒子滤波算法（OIPF）220

10.5.5进化粒子滤波算法（EPF）222

10.5.6基于新的采样方法的一种改进型粒子滤波224

10.5.7仿真实验224

10.6弹道导弹目标的落点估计227

10.6.1引言227

10.6.2椭圆弹道法227

10.6.3微分方程组计算法228

10.6.4仿真实验229

小结231

附录A克拉美罗下限（CRLB：Cramer-Rao Lower Bound）232

第11章 干扰机环境下多目标多传感器关联与定位技术235

11.1引言235

11.2干扰机的多传感器快速关联方法236

11.2.1传感器间的关联张角及候选观测集236

11.2.2单个观测的关联张角及有效观测集238

11.3干扰机定位组合法240

11.3.1改进型三角定位法240

11.3.2投影定位法250

11.3.3组合定位法255

11.4干扰机环境下多目标关联的复合弹性神经网络方法256

11.4.1引言256

11.4.2问题的描述257

11.4.3复合弹性神经网络模型257

11.4.4基于聚类的复合弹性神经网络干扰机关联算法261

11.4.5动态去“重影”方法262

11.4.6仿真结果与分析263

小结265

第12章 无源定位系统数据融合定位技术267

12.1引言267

12.2基于无源定位系统观测特性的数据融合268

12.2.1无源定位系统误差的空间分布特性268

12.2.2无源定位系统多模型航迹融合算法268

12.2.3仿真实验271

12.3多无源定位系统的非均匀数据同步化274

12.3.1无源定位系统的非均匀数据274

12.3.2多无源定位系统非均匀数据同步化算法275

12.4复杂环境下的多无源定位系统数据融合276

12.4.1复杂环境下的多传感器系统276

12.4.2复杂环境下的RANFIFS融合277

12.4.3RANFIFS算法278

小结279

第13章 网络中心战航迹合成技术281

13.1引言281

13.2研究现状282

13.2.1网络中心战282

13.2.2航迹合成算法283

13.3航迹合成算法285

13.3.1引言285

13.3.2航迹合成算法原理286

13.3.3航迹合成算法框架287

13.4自适应点迹合成287

13.4.1自适应点迹合成算法原理288

13.4.2自适应点迹合成算法288

13.5机动目标多假设航迹合成算法289

13.5.1算法基本框架290

13.5.2多假设航迹外推算法291

13.6仿真实验293

小结296

第14章 雷达数据处理技术297

14.1雷达数据处理器基本原理297

14.1.1数据处理器基本概念297

14.1.2数据处理器结构及技术指标299

14.2雷达目标跟踪算法的设计301

14.2.1快速、最优、鲁棒跟踪综合指标301

14.2.2基本原理302

14.2.3算法设计303

14.3航迹平滑算法306

14.3.1航迹平滑的3种经典算法306

14.3.2各种平滑算法的评价306

14.4航迹处理307

14.4.1航迹起始307

14.4.2航迹维持309

14.4.3航迹终结309

14.4.4删除虚假航迹的工程方法310

14.5多模型跟踪算法的工程实现314

14.5.1问题的提出314

14.5.2多模型跟踪器基本结构314

14.5.3数学模型315

14.5.4滤波器增益系数315

14.5.5多模型跟踪系统仿真316

14.6数据处理器评估工程方法319

14.6.1评估内容319

14.6.2分类评估方法319

14.6.3跟踪精度评估工程方法322

小结324

第15章 多目标多传感器跟踪技术展望326

15.1引言326

15.2多目标多传感器神经网络—模糊—专家跟踪系统327

15.2.1智能化信息融合技术327

15.2.2智能化NFE融合模型研究328

15.2.3研究课题329

15.2.4关键技术330

15.3多目标多传感器信息融合系统网络动力学331

15.3.1引言331

15.3.2无尺度（信息融合）系统网络动力学特征331

15.3.3研究课题333

15.3.4关键技术335

15.4多目标跟踪系统不确定信息处理336

15.4.1引言336

15.4.2跟踪系统不确定性信息处理研究课题337

15.5多目标多传感器跟踪系统网络抗毁性339

15.5.1引言339

15.5.2复杂网络抗毁性研究现状339

15.5.3研究课题340

结束语341

参考文献343