上卷 单机动目标跟踪（SMTT） 2
第一章 单机动目标跟踪概论 2
1 ．1 引言 2
1．2 单机动目标跟踪基本原理 2
1．3 单机动目标跟踪基本要素 3
1．3．1 量测数据形成与处理 3
1．3．2 机动目标模型 4
1．3．3 机动检测与机动辨识 5
1．3．4 自适应滤波与预测 6
1．3．5 跟踪坐标系与滤波状态变量的选取 7
1．4 系统分析与 Monte Cario 仿真 8
1．5 背景资料与建议 8
参考文献 8
第二章 机动目标模型 10
2．1 引言 10
2．2 微分多项式模型 10
2．3 CV和C A 模型 12
2．4 时间相关模型 13
2．4．1 高阶时间相关模型的一般表示式 13
2．4．2 一阶时间相关模型(Singer 模型) 15
2．4．3 二阶时间相关模型 16
2．4．4 关于一阶时间相关模型的讲座与分析 17
2．5 半马尔可夫模型 17
2．6 Noval 统计模型 18
2．7 机动目标"当前"统计模型 19
2．8 总结 20
参考文献 21
附录2A 成形滤波器输入输出互相关函数Rvf（t，t1）与激励函数F（t）的脉冲响 应W1（ t，t1 ）等价的证明 22
附录2C Wiener-Kolmogorov 白化程序 23
附录2B Singer 模型中机动加速度方差a2a的计算 23
第三章 基本的跟踪滤波与预测方法 25
3．1 引言 25
3．2 线件自回归滤波 25
3．3 两点外推滤波 27
3．4 维纳滤波 27
3．5 加权最小二乘滤波 28
3．6 α-β 与 α-β-γ 滤波 29
3．6．1 α-β 滤波 29
3．6．2 α-β-γ 滤波 30
3．6．3 参数 α、β、γ 状态噪声方差q和量测噪声方差r的关系 30
3．6．4 参数 α、β、γ 的选取 32
3．7 卡尔曼滤波与预测 33
3．7．1 卡尔曼滤波与预测基本方程 34
3．7．2 卡尔曼滤波与预测在机动目标跟踪中的作用 35
3．7．3 卡尔坚固滤波与 α、β、γ 滤波的对应性 35
3．8 简化的卡尔曼滤波 37
3．8．1 降低卡尔曼滤计算量的途径 37
3．8．2 常增益滤波 38
3．8．3 状态约减 39
3．8．4 分段循环卡尔曼滤波 39
3．9．1 定性评述 40
3．8．5 解耦卡尔曼滤波 40
3．9 七种滤波与预测方法评述 40
3．9．2 滤波性能的定量评价 41
3．10 非线性滤波 42
3．10．1 推广卡尔曼滤波 42
3．10．2 二阶滤波 46
3．10．3 统计线性化滤波 47
3．10．4 迭代滤波 48
3．11．2 关于模型误差所收起的滤波发散问题及其克服方法 51
3．11．1 滤波发散现象及其产生原因 51
3．11 滤波发散及其克服方法 51
3．10．5 其他非线性滤波方法 51
3．11．3 关于滤波数值不稳定性问题及其克服方法 52
3．12 总结 53
参考文献 53
第四章 机动目标跟踪中的自适应滤波 56
4．1 引言 56
4．2 检测自适应滤波 56
4．2．1 x2分布检验与状态噪声方差补偿 57
4．2．2 决策自适应跟踪器 59
4．2．3 Thorp 检测器 60
4．2．4 系统噪声水平漫步连续匹配法 62
4．2．5 输入(加速度)估计器 63
4．2．6 变维滤波(VDF) 65
4．3 实时辨识自适应滤波 66
4．3．1 协方差匹配法 66
4．3．2 自适应状态估计器 68
4．3．4 机动目标"当前"统计模型的均值与方差自适应跟踪算法 70
4．3．3 二级卡尔曼滤波算法 72
4．4 "全面"自适应滤波 72
4．4．1 检测"全面"自适应滤波 72
4．4．3 交互多模型算法 73
4．4．2 加权和"全面“自适应滤波 73
4．5 比较与总结 74
参考文献 75
第五章 跟踪坐标系与滤波状态变量的选择 78
5．1 引言 78
5．2 常用坐标系与坐标变换关系 78
5．2．1 常用坐标系 78
5．2．2 坐标变换关系 80
5．3 直角坐标系中的踊跃问题 83
5．4 NED 坐标系 84
5．5．1 瞄准误差为零时的目标运动方程 86
5．5 球面坐标系 86
5．5．2 瞄准误差非零时的目标运动方程 89
5．5．3 存在载机横滚时的目标加速度方程 91
5．5．4 目标状态方程和量测方程 93
5．5．5 目标状态方程的解耦模 95
5．5．6 关于采用耦合模型和解耦模型的几点结论 98
5．6 混合坐标系 98
5．6．1 采用混合坐标系的基本思想与程序框图 99
5．6．2 混合坐标系中的跟踪滤波的方程 99
5．7．1 跟踪坐标系选择的一般方法 101
5．7 关于跟踪坐标系与滤波状态变量选择的几点附注 101
5．7．3 动态误 差与稳态偏差之间的平衡 102
5．7．2 状态耦合与解耦 102
5．7．4 坐标系选择与计算负载 103
5．8 引入速度量测的作用 103
5．9 仅有角度量测的跟踪问题 104
5．10 总结 105
参考文献 105
6．1 引言 109
6．2．1 等权平均量测预处理 109
第六章 量测预处理技术 109
6．2．2 变权平均量测预处理 111
6．2．3 引入数据压缩技术后的滤波方程 112
6．3 量测数据中野值的剔除方法 113
6．3．1 野值的定义 113
6．3．2 野值的自动剔除方法 114
6．3．3 野值判别能力分析 114
6．4 实例分析 116
6．4．1 滤波速率与跟踪误差及滤波收敛时间之间的关系 116
6．4．2 引入量测预处理技术后的跟踪效果 117
参考文献 118
6．5 总结 118
第七章 系统分析方法与 Monte Carlo 仿真设计 119
7．1 引言 119
7．2 系统分析方法 120
7．2．1 多项式分析 120
7．2．2 Riccati 方法 121
7．2．3 Cramer-Rao 下界方法 123
7．3 Monte Carlo 仿真设计 124
7．3．1 Monte Carlo 仿真方法的基本思想及其特点 124
7．3．2 随机数的产生方法 125
7．3．3 仿真设计与结果解释 127
7．3．4 一些常用的统计指标 129
7．4 关于跟踪滤波器的稳态分析 130
7．5 总结 131
参考文献 132
第八章 机动目标“当前”统计模型与自适应跟踪算法 134
8．1 引言 134
8．2 机动目标的“当前”概率密度模型 135
8．2．1 机动加速度的“当前”概率密度 135
8．2．2 机动加速度的非零均值时间相关模型 137
8．3．1 离散状态方程 138
8．3 自适应滤波算法 138
8．3．2 自适应卡尔曼滤波算法 140
8．3．3 关于自适应算法的附注 143
8．4 计算机仿真 145
8．5 结论 153
参考文献 153
第九章 自适应跟踪滤波器的精度分析 155
9．1 引言 155
9．2 滤波误差与 Singer 方法的缺陷 155
9．2．1 卡尔曼滤波误差 155
9．2．2 Singer 方法的缺陷 157
9．2．3 机动目标“当前统计模型及自适就算法的动态误差 159
9．3 滤波参数对跟踪精度的因素 160
9．3．1 影响跟踪精度的因素 160
9．3．2 机动频率对跟踪精度的影响 161
9．3．3 采样周期对跟踪精度的影响 163
9．3．4 加速度方差对跟踪精度的影响 163
9．4 通过增加观测矩阵的秩提高跟踪精度 166
9．5 结论 176
参考文献 176
第十章 三维窨中机动目标的估计问题 177
10．1 引言 177
10．2．1 三维空间中的目标运动描述 178
10．2 三维空间中的机动目标模型 178
10．2．2 机动加速度统计模型 179
10．2．3 非零均值时间相关模型 181
10．2．4 机动目标的状态方程 182
10．3 状态模型的线性化与离散化 183
10．3．1 状态模型的线性化 183
10．3．2 状态模型的离散化 185
10．4 自适应滤波算法 187
10．5 计算机仿真 191
10．6 结论 194
参考文献 194
附录10 状态噪声协方差矩阵Q（k）的推导 195
下卷 多机动目标跟踪（MMTT） 200
第十一章 多机动目标跟踪概论 200
11．1 引言 200
11．2 多机动目标跟踪基本原理 201
11．3．1 跟踪门的形成 203
11．3 多机动目标跟踪基本要素 203
11．3．2 数据关联与跟踪维持 204
11．3．3 跟踪起始与跟踪终结 205
11．3．4 漏报与虚答 206
11．4 数据关联过程的一般考察 206
11．4．1 数据关联过程的直观解释 206
11．4．2 减小不稳定跟踪和误相关作用的措施 207
11．5 背景资料与建议 208
参考文献 208
12．2 滤波残差及其统计描述 210
12．3 矩形跟踪门 210
第十二章 跟踪门的形成方法 210
12．1 引言 210
12．4 椭球跟踪门 211
12．5 矩形跟踪门与椭球跟踪门的大小比较 213
12．6 其他跟踪门 215
12．7 总结 217
参考文献 217
13．2．1 “最近邻”方法 219
13．2 密集多回波环境下跟踪单个目标的数据关联与跟踪维持理论 219
第十三章 多目标数据关联与跟踪维持理论 219
13．1 引言 219
13．2．2 概率数据关联滤波（PDAF） 220
13．2．3 “全邻“最优滤波器 221
13．3 密集多回波环境下跟踪多个目标的数据关联与跟踪维持理论 223
13．3．1 联合概率数据关联滤波（JPDAF） 223
13．3．2 多假设法 226
13．3．3 整数规划法 227
13．3．4 高斯和法 229
13．3．5 轨迹分裂法 231
13．4 多目标数据关联与跟踪维护的其他方面 232
13．5 总结 233
参考文献 233
第十四章 多目标跟踪起始跟踪终结理论 237
14．1 引言 237
14．2 多目标跟踪起始理论 237
14．2．1 序列概率比检验（SPRT） 237
14．2．2 Bayes轨迹确定方法（BTC） 239
14．2．3 N维分配法 241
14．2．4 极大似然法 242
14．2．5 模式匹配技术 243
14．3 多目标跟踪终结理论 244
14．3．1 序列概率比检验（SPRT） 244
14．3．2 跟踪门方法 245
14．3．3 代价函数法 246
14．3．4 Bayes 跟踪终结方法（BTT） 247
14．4 其他跟踪起始与跟踪终结方法 248
14．5 总结 249
参考文献 250
第十五章 多机动目标跟踪问题中关联区域的研究 253
15．1 引言 253
15．2 新息向量范数的统计性质 254
15．2．1 新息向量的范数与跟踪门规则 254
15．2．2 范数g（k）的概率密度 255
15．2．3 范数g（k）的均值与方差 257
主要符号表 258
15．3 关联区域的大小与接收正确回波的概率 261
15．3．1 接收正确回波的概率 261
15．3．2 给定接收正确回波的概率Pa时关联区域的大小 262
15．3．3 给定关联区域大小时接收正确回波的概率Pa 263
15．4 结论 265
参考文献 265
第十六章 密集多回波环境下的单机动目标跟踪 267
16．1 引言 267
16．2 概率数据关联滤波（PDAF） 268
16．3 修正概率数据关联滤波（MPDAF） 270
16．4 计算机仿真 272
参考文献 277
16．4 结论 277
附录16 多余回波的产生方法 278
第十七 章密集多回波环境下的多机动目标数据关联与跟踪维持 279
17．1 引言 279
17．2 聚矩阵与聚概率矩阵 280
17．2．1 聚矩阵的构成 280
17．2．2 单一事件与联合事件的概率 281
17．2．3 聚概率矩阵 284
17．3 聚概率矩阵的性质与计算 285
17．3．1 聚矩阵中隐含的信息 285
17．3．2 含有候选回波的最小交集的确定 286
17．3．3 位于目标关联区域交集内的候选回波来自多余回波与目标的概率 288
17．3．4 概率λ11的计算 290
17．4 MMTT 算法（MJPDAF） 292
17．5 计算机仿真 294
17．6 结论 300
参考文献 301
18．1 引言 302
第十八章 密集多回波环境下的多机动目标数据关联与跟踪维持（二） 302
18．2 跟踪门的残差度量规则 303
18．3 关于 MJPDAF 算法中观测模型的假设约定 303
18．4 残差滤波基本议程与 MJPDAF-RF算法 305
18．5 残差滤波与数据关联的内在机再分析 306
18．5．1 理论分析 306
18．5．2 Monte carlo 仿真分析 306
18．6 MJPDAF 与 MJPDAF-RF 两种算法的性能比较 309
18．6．1 性能比较之一 309
18．6．2 性能比较之二 309
18．7 结论 320
参考文献 320
第十九章 密集多回波环境下的多机动目标跟踪起始 321
19．1 引言 321
19．2 主跟踪子空间与边缘跟踪子空间 322
19．2．1 主跟踪子空间与边缘跟踪子空间的定义 322
19．2．2 主跟踪子空间与边缘跟踪子空间的性质 323
19．3 Bayes 轨迹确定方法（BTC） 323
19．4．1 假定轨迹初始化及其对滤波性能的影响 324
19．4 “全邻” Bayes 跟踪起始算法 324
19．4．2对BTC方法的改进——“全邻” Bayes 轨迹确定方法 325
19．5 Monte Carlo 仿真分析 327
19．5．1 给定参数下 ABTI 算法的性能分析 327
19．5．2 参数变化对 ABTI 算法性能的影响 329
19．5．3 残差滤波RF 对 ABTI 算法性能的影响 331
19．6 结论 332
参考文献 333
第二十章 密集多回波环境下的多机动目标跟踪终结 334
20．1 引言 334
20．2 Bayes 跟踪弹簧结方法（BTT） 335
20．3 “全邻Bayes 跟踪终结算法（ABTT） 335
20．4 Monte Carlo 仿真分析 337
20．4．1 给定参数下 ABTT 算法的性能分析 337
20．4．2 参数变化对跟踪终结性能的影响 340
20．4．3 残差滤波 RF 对跟踪终结性能的影响 341
参考文献 343
20．5 结论 343
第二十一章 多机动目标跟踪系统的一致性分析方法 344
21．1 引言 344
21．2 一致性分析准则 344
21．3 状态误差的一致性分析 345
21．4 残差过程的一致性分析 346
21．5 残差过程的白色度检验 347
21．6 总结 348
参考文献 348
22．2．1 机动目标“当前”统计模型及自适应算法 349
第二十二章 回顾、建议与展望 349
22．2 研究成果回顾 349
22．1 引言 349
22．2．3 密集多回波环境下的单机动目标跟踪 350
22．2．4 多机动目标数据关联与跟踪维持 350
22．2．2 机动目标关联区域的设计 350
22．2．5 多机动目标跟踪起始与跟踪终结 351
22．2．6 漏报与虚答 351
22．2．7 多机动目标跟踪系统软件包 351
22．3．2 关于减少动态带后误差 352
22．3．1 关于检测概率的影响 352
22．3 问题与建议 352
22．3．4 机动目标跟踪系统的灵敏度与鲁棒性分析 353
22．3．3 信号处理与数据处理的联合最优化问题 353
22．4 研究方向展望 354
22．4．1 机动目标群跟踪 354
22．4．2 多站多机动目标跟踪 354
22．4．3 智能开封多机动目标跟踪系统 355
22．4．4 人工神经网络理论在多机动目标跟踪中的应用 355
22．4．5 机动目标跟踪系统的工程实现 355
参考文献 356