机动目标跟踪的多模型滤波理论与方法(MATLAB版)

第1章 机动目标跟踪 1.1 机动目标跟踪问题 1.1.1 目标运动形式的不确定性 1.1.2 量测来源的不确定性 1.1.3 目标数目的不确定性 1.2 机动目标跟踪的研究现状 1.2.1 目标运动的随机跳变系统模型 1.2.2 多传感器分布式机动目标跟踪 1.2.3 多目标跟踪的随机有限集理论 1.3 目标运动模型 1.4 动态系统滤波 1.4.1 Kalman滤波 1.4.2 扩展Kalman滤波 1.4.3 无迹Kalman滤波 1.4.4 容积Kalman滤波 1.4.5 粒子滤波 1.4.6 H□滤波 1.4.7 交互式多模型滤波 1.4.8 多模型粒子滤波 1.5 小结 第2章 多模型自适应滤波 2.1 多模型信息论滤波 2.1.1 算法设计 2.1.2 性能分析 2.1.3 仿真例子 2.2 多模型反馈学习滤波 2.2.1 算法设计 2.2.2 性能分析 2.2.3 仿真例子 2.3 多模型随机矩阵滤波 2.3.1 问题描述 2.3.2 矩匹配融合 2.3.3 信息论融合 2.3.4 仿真例子 2.4 多模型风险灵敏性滤波 2.4.1 问题描述 2.4.2 非线性滤波与平滑 2.4.3 仿真例子 2.5 分层交互式多模型滤波 2.5.1 问题描述 2.5.2 算法设计 2.5.3 仿真例子 2.6 小结 第3章 分布式多模型滤波 3.1 分布式多模型H□滤波 3.1.1 构造全局模型 3.1.2 无需全局模型 3.1.3 仿真例子 3.2 分布式多模型一致滤波 3.2.1 构造全局模型 3.2.2 无需全局模型 3.2.3 仿真例子 3.3 分布式多模型扩散滤波 3.3.1 算法设计 3.3.2 性能分析 3.3.3 仿真例子 3.4 小结 第4章 随机有限集模型与滤波 4.1 随机有限集模型 4.2 多模型概率假设密度滤波 4.2.1 *佳拟合高斯滤波 4.2.2 *佳拟合高斯平滑 4.2.3 仿真例子 4.3 非线性概率假设密度H□滤波 4.3.1 扩展H□滤波 4.3.2 无迹H□滤波 4.3.3 仿真例子 4.4 多传感器概率假设密度滤波 4.4.1 问题描述 4.4.2 高斯混合实现过程 4.4.3 仿真例子 4.5 小结 第5章 多模型滤波在导航和定位中的应用 5.1 在GPS导航中的应用 5.1.1 模型描述 5.1.2 算法设计 5.1.3 仿真结果 5.2 在车辆定位中的应用 5.2.1 模型描述 5.2.2 算法设计 5.2.3 仿真结果 5.3 小结 参考文献