无论是执行配送任务，还是执行灾害监测任务，在沿规划路径飞行至目标区域后，城市无人机需要完成感兴趣目标（区域）的检测与跟踪。目标识别能力的提升，对于无人机自主飞行至关重要。本书以无人机在物流运输、交通监控、灾害监测等城市领域的自主飞行任务为应用背景，围绕制约城市无人机自主飞行的无线定位技术、视觉目标检测、视觉目标跟踪以及红外小目标识别技术为研究内容，以期提高城市无人机自主定位能力和目标探测识别能力，提升城市无人机自主定位的精度和可靠性，提升目标检测跟踪的速度和可靠性，降低算法复杂度。本书重点对城市无人机自主飞行过程中涉及的无线定位和目标识别技术进行研究，为城市无人机的发展和应用提供相关技术参考和借鉴，丰富和发展导航与目标识别相关理论。

第1章 绪论
1.1 研究背景与意义
1.2 相关领域研究现状
1.3 本书内容与结构安排
第2章 融合多层深度特征的相关滤波跟踪
2.1 引言
2.2 LADCF算法简介
2.3 多层深度特征融合机制
2.4 实验结果分析
2.5 本章小结
第3章 融合深度信息的长期目标跟踪框架
3.1 引言
3.2 典型DCF类算法简介
3.3 融合深度信息的相关滤波跟踪
3.4 实验结果分析
3.5 本章小结
第4章 基于MobileNet V2和SSD的目标检测
4.1 引言
4.2 基于迁移学习的MobileNet-SSD算法训练与实现
4.3 跟踪系统简介
4.4 跟踪系统测试
4.5 本章小结
第5章 基于区域建议的块图像红外目标检测
5.1 引言
5.2 IPI模型简介
5.3 基于区域建议的IPI模型
5.4 实验结果分析
5.5 本章小结
第6章 DOA估计基础理论
6.1 信号模型
6.2 经典的DOA估计算法原理
6.3 MUSIC算法对信号DOA的性能仿真实验
6.4 快拍数变化对MUSIC算法的影响
6.5 本章小结
第7章 基于均匀圆阵的二维DOA估计
7.1 均匀圆阵接收信号模型
7.2 UCA-IAA算法
7.3 仿真分析
7.4 本章小结
第8章 基于柱面共形阵的二维DOA估计
8.1 柱面共形阵接收数据模型
8.2 CYCA-IAA算法
8.3 仿真实验及分析
8.4 本章小结
第9章 基于锥面共形阵的二维DOA估计
9.1 锥面共形阵接收数据模型
9.2 COCA-SPICE算法
9.3 仿真实验及分析
9.4 本章小结
第10章 总结与展望
参考文献