滤波算法研究及应用 |
论文目录 | | | 摘要 | 第1-4
页 | | Abstract | 第4-7
页 | | 1 绪论 | 第7-11
页 | | · 课题背景 | 第7
页 | | · 滤波理论的发展 | 第7-9
页 | | · 本文的主要工作 | 第9-11
页 | | 2 常用滤波理论与算法 | 第11-19
页 | | · 卡尔曼滤波算法 | 第11-12
页 | | · 扩展卡尔曼滤波算法 | 第12-14
页 | | · 粒子滤波算法 | 第14-18
页 | | · 蒙特卡洛方法简介 | 第14
页 | | · 贝叶斯重要性采样 | 第14-15
页 | | · 粒子滤波的基本原理 | 第15-16
页 | | · 序列重要性采样 | 第16
页 | | · 退化现象和重采样 | 第16-17
页 | | · 粒子滤波算法描述 | 第17-18
页 | | · 本章小结 | 第18-19
页 | | 3 最优控制问题研究 | 第19-35
页 | | · 几种分布函数的介绍 | 第19-22
页 | | · 线性系统最优控制 | 第22-29
页 | | · 模型未知参数估计 | 第22-24
页 | | · 仿真一 | 第24-25
页 | | · 线性二次型最优控制 | 第25-26
页 | | · 仿真二 | 第26-28
页 | | · 仿真三 | 第28-29
页 | | · 非线性系统最优控制 | 第29-35
页 | | · 控制问题描述 | 第29-30
页 | | · 粒子群优化算法 | 第30-31
页 | | · 控制器设计 | 第31-32
页 | | · 仿真四 | 第32-33
页 | | · 小结 | 第33-35
页 | | 4 基于滤波算法的信息融合滤波理论和应用 | 第35-55
页 | | · 信息融合简介 | 第35-37
页 | | · 信息融合的概念 | 第35
页 | | · 信息融合的目的 | 第35
页 | | · 信息融合系统的模型和功能 | 第35-36
页 | | · 信息融合的发展、应用 | 第36-37
页 | | · 常用信息融合方法 | 第37
页 | | · 信息滤波器形式下的Kalman滤波器 | 第37-39
页 | | · 相同观测阵,不相关观测噪声的观测融合滤波 | 第39-41
页 | | · 集中式观测融合 | 第40
页 | | · 加权观测融合 | 第40-41
页 | | · 不同观测阵,不相关观测噪声的加权观测融合滤波 | 第41-46
页 | | · 集中式观测融合 | 第42
页 | | · 加权观测融合(Ⅰ) | 第42-44
页 | | · 加权观测融合(Ⅱ) | 第44-45
页 | | · 仿真实例一 | 第45-46
页 | | · 相同观测阵,相关观测噪声的加权观测融合滤波 | 第46-49
页 | | · 加权观测融合 | 第47
页 | | · 仿真实例二 | 第47-49
页 | | · 不同观测阵,相关观测噪声的加权观测融合滤波 | 第49-53
页 | | · 加权观测融合(Ⅰ) | 第49-50
页 | | · 加权观测融合(Ⅱ) | 第50-51
页 | | · 仿真实例三 | 第51-53
页 | | · 本章小结 | 第53-55
页 | | 5 基于交互式多模型的机动目标跟踪 | 第55-69
页 | | · 交互式多模型算法(IMM)简介 | 第55-58
页 | | · 目标运动模型 | 第58-59
页 | | · 仿真及分析一 | 第59-63
页 | | · 基于粒子滤波的交互式多模型算法 | 第63-64
页 | | · 仿真及分析二 | 第64-69
页 | | 6 总结与展望 | 第69-71
页 | | · 本文工作的总结 | 第69-70
页 | | · 展望 | 第70-71
页 | | 致谢 | 第71-73
页 | | 参考文献 | 第73-75
页 |
|
|
|
