第1章 绪论
1.1 引言
1.2 贝叶斯框架下的多目标跟踪研究现状
1.2.1 基于数据关联的多目标跟踪
1.2.2 基于随机有限集的多目标跟踪
1.2.3 多目标跟踪系统中的未知场景建模
本章小结
第2章 随机有限集目标跟踪基础
2.1 引言
2.2 随机有限集理论
2.2.1 随机有限集的定义
2.2.2 集合微积分
2.2.3 贝叶斯框架下的随机有限集滤波
2.3 随机有限集多目标跟踪方法
2.3.1 概率假设密度滤波
2.3.2 势概率假设密度滤波
2.3.3 势均衡多伯努利滤波
2.4 多目标跟踪算法评价准则
本章小结
第3章 未知新生密度多目标跟踪方法
3.1 引言
3.2 未知新生密度概率假设密度滤波
3.3 未知新生密度势均衡多伯努利滤波
3.3.1 算法原理
3.3.2 高斯混合实现
3.3.3 粒子实现
3.4 实验与分析
3.4.1 线性场景
3.4.2 非线性场景
本章小结
第4章 未知新生强度势均衡多伯努利跟踪方法
4.1 引言
4.2 问题描述
4.2.1 新生概率模型匹配问题
4.2.2 实时性问题
4.3 未知新生强度势均衡多伯努利滤波
4.3.1 新生概率模型及算法原理
4.3.2 粒子实现
4.4 未知新生强度势均衡多伯努利滤波的快速实现
4.4.1 量测似然函数
4.4.2 门限的选择
4.4.3 快速未知新生强度势均衡多伯努利滤波
4.5 实验与分析
4.5.1 门限选择的有效性验证
4.5.2 滤波性能分析
本章小结
第5章 未知运动模型参数势均衡多伯努利跟踪方法
5.1 引言
5.2 基于势均衡下多伯努利滤波的多机动目标跟踪
5.2.1 交互多模型算法
5.2.2 多模型势均衡的多伯努利滤波
5.3 未知运动模型参数下的势均衡多伯努利滤波
5.3.1 未知参数的估计方法
5.3.2 改进的势均衡多伯努利滤波
5.4 实验与分析
本章小结
第6章 未知杂波率和检测概率多目标跟踪方法
6.1 引言
6.2 未知杂波率和检测概率势概率假设密度滤波
6.2.1 杂波和目标的分配失衡问题
6.2.2 未知检测概率的时延问题
6.3 未知杂波率及检测概率势均衡多伯努利滤波
6.3.1 未知杂波率势均衡多伯努利滤波
6.3.2 未知检测概率势均衡多伯努利滤波
6.4 实验与分析
6.4.1 未知杂波率滤波性能分析
6.4.2 未知检测概率滤波性能分析
本章小结
第7章 噪声野值下的势均衡多伯努利滤波方法
7.1 引言
7.2 基于学生t分布的单目标滤波
7.2.1 学生t分布
7.2.2 学生t分布卡尔曼滤波
7.3 基于学生t分布的势均衡多目标多伯努利滤波
7.3.1 模型假设
7.3.2 学生t分布混合势均衡多伯努利滤波方法
7.3.3 算法分析与扩展
7.4 实验与分析
7.4.1 无野值场景
7.4.2 重尾噪声场景
7.4.3 非线性场景
本章小结
附录A 符号对照表
附录B 缩略语对照表
参考文献
展开