本书是课题组近十年来承担的多项国家自然科学基金项目和国防基金项目的研究成果总结，涵盖了随机有限集多目标跟踪的相关理论和最新研究成果，重点研究随机有限集框架下的多目标贝叶斯滤波理论，主要内容包括随机有限集滤波框架优化、机动目标跟踪、航迹关联与维持、多传感器融合跟踪和滤波参数建模与估计等关键问题和相关技术。本书所阐述的理论方法和实现技术解决了先验知识不足、目标数目未知、计算代价高昂等多目标跟踪的难点问题，可应用于强机动性、高杂波率、低检测率等复杂环境下的多目标快速、稳定、准确跟踪。 本书可作为高校教师、博士和硕士研究生以及科研人员开展相关研究的参考用书。

第1章 绪论
1.1 引言
1.2 多目标跟踪技术研究进展
1.3 随机有限集滤波研究进展
1.4 本章小结
第2章 随机有限集多目标跟踪基础理论
2.1 引言
2.2 随机有限集基础理论
2.2.1 随机有限集的定义
2.2.2 几种常用的随机有限集
2.3 随机有限集框架下的多目标贝叶斯滤波
2.3.1 多目标跟踪中的随机有限集模型
2.3.2 多目标贝叶斯滤波
2.4 经典随机有限集滤波
2.4.1 概率假设密度滤波
2.4.2 势概率假设密度滤波
2.4.3 势均衡多伯努利滤波
2.5 随机有限集滤波实现与性能评价
2.5.1 高斯混合实现
2.5.2 粒子实现
2.5.3 多目标跟踪算法的性能评价
2.6 本章小结
第3章 改进的随机有限集滤波
3.1 引言
3.2 改进的PHD滤波
3.2.1 采样分布不匹配问题
3.2.2 高斯厄米特粒子PHD滤波
3.2.3 仿真实验与分析
3.3 改进的CPHD滤波
3.3.1 目标权重转移问题
3.3.2 目标权重再分配的CPHD滤波
3.3.3 仿真实验与分析
3.4 改进的MeMBer滤波
3.4.1 量测新息弱化问题
3.4.2 存在概率修正的MeMBer滤波
3.4.3 仿真实验与分析
3.5 本章小结
第4章 随机有限集机动目标跟踪方法
4.1 引言
4.2 多模型粒子PHD滤波
4.2.1 多模型粒子滤波
4.2.2 MM?PHD滤波
4.3 多模型粒子CPHD滤波
4.3.1 问题描述
4.3.2 MM?CPHD滤波
4.3.3 仿真实验与分析
4.4 多模型粒子CBMeMBer滤波
4.4.1 问题描述
4.4.2 MM?CBMeMBer滤波
4.4.3 仿真实验与分析
4.5 交互多模型粒子PHD滤波
4.5.1 问题描述
4.5.2 IMM?RBP?PHD滤波
4.5.3 仿真实验与分析
4.6 本章小结
第5章 随机有限集滤波中的航迹关联与维持方法
5.1 引言
5.2 经典航迹关联与维持方法
5.2.1 粒子标识法
5.2.2 估计与航迹关联法
5.3 基于模糊聚类的航迹维持算法
5.3.1 问题描述
5.3.2 基于模糊聚类的航迹维持算法
5.3.3 仿真实验与分析
5.4 基于交叉熵的航迹维持算法
5.4.1 交叉熵
5.4.2 基于交叉熵的航迹维持算法
5.4.3 仿真实验与分析
5.5 本章小结
第6章 随机有限集多传感器融合跟踪方法
6.1 引言
6.2 经典随机有限集多传感器融合跟踪方法
6.2.1 迭代修正概率假设密度滤波
6.2.2 广义多传感器概率假设密度滤波
6.2.3 乘积多传感器概率假设密度滤波
6.3 联合检测概率多传感器概率假设密度滤波
6.3.1 传感器更新顺序问题
6.3.2 联合漏检概率和联合检测概率计算方法
6.3.3 仿真实验与分析
6.4 基于量测划分的多传感器概率假设密度滤波
6.4.1 量测子集权重计算问题
6.4.2 双向权重计算方法
6.4.3 仿真实验与分析
6.5 势修正乘积多传感器概率假设密度滤波
6.5.1 势分配问题
6.5.2 高斯分量权重再分配方法
6.5.3 仿真实验与分析
6.6 基于条件组合的多传感器概率假设密度滤波
6.6.1 条件组合模型
6.6.2 目标状态估计方法
6.6.3 仿真实验与分析
6.7 本章小结
第7章 随机有限集滤波参数建模与估计方法
7.1 引言
7.2 新生密度建模与估计方法
7.2.1 问题描述
7.2.2 未知新生密度CBMeMBer滤波
7.2.3 仿真实验与分析
7.3 杂波分布建模与估计方法
7.3.1 问题描述
7.3.2 DPMM?λ?CPHD滤波
7.3.3 仿真实验与分析
7.4 量测噪声建模与估计方法
7.4.1 问题描述
7.4.2 标签VB?PHD滤波
7.4.3 仿真实验与分析
7.5 检测概率建模与估计方法
7.5.1 问题描述
7.5.2 贝塔-高斯混合CBMeMBer滤波
7.5.3 仿真实验与分析
7.6 噪声野值建模与估计方法
7.6.1 问题描述
7.6.2 基于学生t分布的混合势CBMeMBer滤波
7.6.3 仿真实验与分析
7.7 本章小结
参考文献