目标跟踪新理论与技术PDF电子书下载

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