第1章 導(dǎo)論 001
1.1 多源信息目標(biāo)定位與跟蹤的基本概念 001
1.1.1 概述 001
1.1.2 定位與跟蹤的定義 002
1.1.3 多源信息的定義 004
1.2 多源信息目標(biāo)定位與跟蹤要解決的兩類難題及一般步驟 005
1.2.1 量測信息的不確定性 005
1.2.2 目標(biāo)信息的不確定性 006
1.2.3 解決定位與跟蹤問題的一般步驟 006
1.3 多源信息目標(biāo)定位與跟蹤的關(guān)鍵技術(shù)領(lǐng)域 007
1.3.1 多傳感器定位 007
1.3.2 多目標(biāo)跟蹤 008
1.3.3 機動目標(biāo)跟蹤 009
1.3.4 擴展目標(biāo)跟蹤 010
1.3.5 定位與跟蹤性能評估 011
本章小結(jié) 012
第2章 多源信息目標(biāo)定位與跟蹤模型 013
2.1 概述 013
2.2 目標(biāo)運動模型 014
2.2.1 非機動模型 015
2.2.2 勻加速度模型 016
2.2.3 Singer模型 017
2.2.4 基于參考加速度的自適應(yīng)機動目標(biāo)模型 018
2.2.5 二維勻轉(zhuǎn)彎模型 021
2.2.6 三維空間平面勻轉(zhuǎn)彎模型 022
2.2.7 三維勻轉(zhuǎn)彎模型 024
2.3 傳感器量測模型 025
2.3.1 雷達量測模型 026
2.3.2 多普勒雷達量測模型 026
2.3.3 三維被動量測模型 027
2.3.4 二維被動量測模型 027
2.3.5 傳感器及定位跟蹤環(huán)境特征模型 027
本章小結(jié) 028
參考文獻 028
第3章 估計與濾波技術(shù) 030
3.1 概述 030
3.2 概率與統(tǒng)計基礎(chǔ) 031
3.2.1 概率與條件概率 031
3.2.2 全概率公式與貝葉斯公式 032
3.2.3 隨機變量、分布函數(shù)與密度函數(shù) 033
3.2.4 隨機變量的矩 035
3.2.5 多元隨機變量和全期望公式 036
3.2.6 估計的定義與性質(zhì) 038
3.2.7 高斯及聯(lián)合高斯隨機變量 039
3.3 參數(shù)估計 042
3.3.1 極大似然估計 042
3.3.2 最小二乘估計 043
3.4 狀態(tài)估計 046
3.4.1 最大后驗估計 047
3.4.2 最小均方誤差估計 047
3.4.3 線性最小均方誤差估計 047
3.5 線性結(jié)構(gòu)估計器 049
3.5.1 卡爾曼濾波 049
3.5.2 基于函數(shù)逼近的LMMSE估計器 053
3.5.3 基于矩逼近的LMMSE估計器 056
3.5.4 仿真結(jié)果與分析 062
3.6 非線性結(jié)構(gòu)估計器 064
3.7 混合結(jié)構(gòu)估計器——高斯和濾波 065
本章小結(jié) 068
參考文獻 068
第4章 多源聯(lián)合目標(biāo)定位 070
4.1 概述 070
4.2 基于接收信號強度指示的目標(biāo)定位 071
4.3 基于到達時間的目標(biāo)定位 072
4.4 基于到達時間差的目標(biāo)定位 073
4.5 基于到達角度的目標(biāo)定位 078
4.5.1 基于參數(shù)估計的目標(biāo)定位算法 080
4.5.2 基于幾何分析的目標(biāo)定位算法 081
4.6 擴維最小二乘目標(biāo)定位 083
4.6.1 擴維非線性最小二乘估計 083
4.6.2 仿真驗證及分析 086
4.7 基于檢測的目標(biāo)定位 088
4.7.1 質(zhì)心定位法 089
4.7.2 加權(quán)質(zhì)心定位法 089
4.7.3 近似三角形內(nèi)點測試定位法 089
4.7.4 距離向量跳數(shù)定位法 091
本章小結(jié) 092
參考文獻 092
第5章 信息轉(zhuǎn)換濾波及目標(biāo)跟蹤 093
5.1 概述 093
5.2 非線性結(jié)構(gòu)估計器 094
5.2.1 不相關(guān)轉(zhuǎn)換濾波 094
5.2.2 最優(yōu)轉(zhuǎn)換采樣濾波 102
5.2.3 廣義轉(zhuǎn)換濾波 106
5.2.4 信息轉(zhuǎn)換濾波在目標(biāo)跟蹤中的應(yīng)用 110
5.3 混合結(jié)構(gòu)估計器 115
5.3.1 多轉(zhuǎn)換估計方法 115
5.3.2 交互式多轉(zhuǎn)換算法 117
5.3.3 多轉(zhuǎn)換估計方法在目標(biāo)跟蹤中的應(yīng)用 118
本章小結(jié) 120
參考文獻 120
第6章 多目標(biāo)跟蹤 122
6.1 概述 122
6.1.1 研究背景與意義 122
6.1.2 多目標(biāo)跟蹤場景 122
6.1.3 多目標(biāo)跟蹤方法 124
6.2 跟蹤門 125
6.2.1 基本概念 125
6.2.2 矩形跟蹤門 126
6.2.3 橢形跟蹤門 126
6.2.4 其他跟蹤門 127
6.3 最近鄰方法 127
6.4 概率數(shù)據(jù)關(guān)聯(lián) 127
6.4.1 概率數(shù)據(jù)關(guān)聯(lián)概述 127
6.4.2 關(guān)聯(lián)事件后驗概率 129
6.4.3 目標(biāo)狀態(tài)估計 133
6.5 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián) 134
6.5.1 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)概述 134
6.5.2 聯(lián)合事件枚舉 136
6.5.3 聯(lián)合事件后驗概率 139
6.5.4 目標(biāo)狀態(tài)估計 141
6.6 多假設(shè)跟蹤 142
6.6.1 多假設(shè)跟蹤概述 142
6.6.2 面向假設(shè)的多假設(shè)跟蹤 143
6.6.3 面向航跡的多假設(shè)跟蹤 148
6.6.4 仿真結(jié)果與分析 150
本章小結(jié) 153
參考文獻 153
第7章 多源信息機動目標(biāo)跟蹤 154
7.1 概述 154
7.2 混雜系統(tǒng)多源信息多模型估計基礎(chǔ) 155
7.2.1 混雜系統(tǒng)建模 155
7.2.2 多源信息多模型估計方法基本思想與步驟 156
7.2.3 多源信息多模型估計方法發(fā)展歷程 157
7.3 自主式多模型估計方法 157
7.3.1 自主式多模型估計方法基本思想 158
7.3.2 自主式多模型估計算法 158
7.4 交互式多模型估計方法 159
7.4.1 交互式多模型估計方法基本思想 159
7.4.2 交互式多模型估計算法 161
7.5 變結(jié)構(gòu)多模型估計方法 162
7.5.1 變結(jié)構(gòu)多模型估計方法簡介 162
7.5.2 最優(yōu)模型擴展多模型估計方法 166
7.5.3 等效模型擴展多模型估計方法 172
7.6 仿真實驗 181
7.6.1 機動場景設(shè)計 181
7.6.2 基于不同參數(shù)的模型的仿真場景 184
7.6.3 基于通用模型的仿真場景 187
本章小結(jié) 190
參考文獻 190
第8章 基于多散射點量測的擴展目標(biāo)跟蹤——隨機矩陣法 192
8.1 概述 192
8.2 基于隨機矩陣法的擴展目標(biāo)跟蹤 194
8.2.1 橢形擴展目標(biāo)跟蹤 194
8.2.2 考慮量測個數(shù)信息的橢形擴展目標(biāo)跟蹤 203
8.2.3 機動橢形擴展目標(biāo)跟蹤 211
8.2.4 非橢形擴展目標(biāo)跟蹤 220
8.3 量測分布不均勻下的擴展目標(biāo)跟蹤 225
8.3.1 基于偏斜分布的擴展目標(biāo)跟蹤 226
8.3.2 基于非均勻分布的擴展目標(biāo)跟蹤 231
8.4 空間衛(wèi)星多軌道跟蹤 233
8.4.1 基于軌道信息的空間衛(wèi)星跟蹤 234
8.4.2 仿真實驗 240
本章小結(jié) 242
參考文獻 242
第9章 多源信息復(fù)雜擴展目標(biāo)跟蹤 244
9.1 概述 244
9.2 基于星凸形隨機超曲面的擴展目標(biāo)跟蹤 245
9.2.1 星凸形擴展目標(biāo)模型 246
9.2.2 帶約束的星凸形擴展目標(biāo)模型 248
9.2.3 基于改進的星凸形擴展目標(biāo)模型的擴展目標(biāo)狀態(tài)估計算法 250
9.2.4 仿真示例及結(jié)果分析 252
9.3 基于形態(tài)變形法的擴展目標(biāo)跟蹤 254
9.3.1 基于控制點法的擴展目標(biāo)形態(tài)描述 255
9.3.2 基于控制點法的擴展目標(biāo)模型 258
9.3.3 基于控制點和參考橢形的光滑擴展目標(biāo)跟蹤多量測源法 261
9.3.4 仿真示例及結(jié)果分析 264
9.4 基于距離像量測的擴展目標(biāo)跟蹤 267
9.4.1 基于支撐函數(shù)的擴展目標(biāo)跟蹤模型 267
9.4.2 基于擴展高斯映射的擴展目標(biāo)跟蹤模型 270
9.4.3 基于閔可夫斯基和的復(fù)雜擴展目標(biāo)跟蹤模型 272
9.4.4 仿真結(jié)果與分析 277
本章小結(jié) 281
參考文獻 281
第10章 被動目標(biāo)跟蹤 283
10.1 概述 283
10.1.1 被動目標(biāo)跟蹤能觀性 284
10.1.2 被動目標(biāo)跟蹤濾波算法 284
10.2 系統(tǒng)模型和能觀性分析 285
10.2.1 基于費舍爾信息矩陣的能觀性分析 287
10.2.2 基于線性最小均方誤差估計的能觀性分析 288
10.2.3 能觀性分析在被動目標(biāo)跟蹤中的應(yīng)用 290
10.3 純方位跟蹤方法 292
10.3.1 純方位跟蹤問題描述 292
10.3.2 純方位跟蹤濾波算法 295
10.3.3 仿真驗證及分析 300
10.4 純角度跟蹤方法 303
10.4.1 純角度跟蹤問題描述 303
10.4.2 純角度跟蹤濾波算法 311
10.4.3 仿真驗證及分析 313
本章小結(jié) 317
參考文獻 317
第11章 性能評估 318
11.1 概述 318
11.2 定位與跟蹤性能評估非綜合指標(biāo) 319
11.2.1 真值已知情況下的性能評估指標(biāo) 319
11.2.2 真值未知情況下的性能評估方法 320
11.3 定位與跟蹤性能評估綜合指標(biāo) 322
11.3.1 誤差譜評估方法 322
11.3.2 動態(tài)誤差譜評估方法 323
11.4 聯(lián)合跟蹤與分類性能評估 324
11.4.1 研究背景 324
11.4.2 基于似真數(shù)據(jù)的聯(lián)合跟蹤與分類問題的性能評估 325
11.4.3 聯(lián)合概率散度性能評估指標(biāo) 326
11.4.4 仿真實驗 329
11.5 跟蹤性能評估與排序 333
11.5.1 研究動機與問題描述 335
11.5.2 綜合性能評分指標(biāo) 335
11.5.3 性質(zhì)與討論 337
11.5.4 仿真實驗 341
本章小結(jié) 347
參考文獻 347