第一章 机动多目标跟踪理论与方法综述 1
1.1 引言 1
1.2 机动多目标跟踪基本原理 2
1.3 机动目标模型 4
1.4 自适应滤波算法 7
1.5 跟踪门的形成方法 13
1.6 多目标数据关联与跟踪维持 17
1.7 多目标跟踪起始与终结 25
1.8 人工神经网络在多目标跟踪中的应用概述 30
1.9 本书的主要工作与特色 31
第二章 基于神经网络的机动目标信息融合与并行自适应跟踪 33
2.1 引言 33
2.2 问题描述 33
2.3 多层前馈神经网络与BP学习算法 34
2.4 基于神经网络的信息融合系统及其基本原理 36
2.5 目标特征提取与网络离线训练 38
2.6 基于神经网络的信息融合与并行自适应跟踪算法（NIFPAT） 39
2.7 仿真结果 40
2.8 结论 45
第三章随机神经网络组合优化与多目标数据关联 46
3.1 引言 46
3.2 JPDA及其计算组合爆炸 46
3.3 Hopfield网络模型与旅行商问题（TSP） 50
3.4 神经联合概率数据关联（NJPDA） 55
3.5 随机神经网络与快速随机神经联合概率数据关联（FSNJPDA） 58
3.6 仿真结果 60
3.7 结论 61
第四章 随机神经网络组合参数优化 64
4.1 引言 64
4.2 参数稳定性、灵敏度和鲁棒性分析理论概述 64
4.3 随机神经网络组合参数优化与关键性能参数的确定 65
4.4 结论 68
5.2 机动目标“当前”统计模型和均值与方差自适应算法 69
第五章 基于随机神经网络的机动多目标跟踪维持 69
5.1 引言 69
5.3 快速随机神经联合概率数据关联自适应滤波算法 72
5.4 计算机仿真 74
5.5 结论 82
第六章 基于随机神经网络和Bayes后验推理的机动多目标跟踪起始与终结 84
6.1 引言 84
6.2 主跟踪子空间与边缘跟踪子空间 85
6.3 Bayes轨迹确定与终结方法（BTCT） 85
6.4 基于随机神经网络的“全邻”Bayes跟踪起始与终结算法（SNABTIT） 86
6.5 计算机仿真 88
6.6 结论 91
第七章 三维空间中的机动目标建模与自适应跟踪 92
7.1 引言 92
7.2 目标运动模型 92
7.3 目标量测噪声 96
7.4 跟踪滤波算法 97
7.5 性能评价方法 101
7.6 MonteCarlo仿真结果 102
7.7 结论 103
第八章 三维空间中的机动多目标神经自适应跟踪 104
8.1 引言 104
8.2 三维空间中的目标运动描述 104
8.3 三维空间中的跟踪门设计 105
8.4 三维空间中的机动多目标快速随机神经自适应跟踪 106
8.5 计算机仿真 107
8.6 结论 113
第九章回顾与展望 114
9.1 引言 114
9.2 研究成果回顾 114
9.3 研究展望 116
参考文献 118