前言
第1章 緒論
1.1 目標跟蹤基本理論
1.1.1 信息融合
1.1.2 目標跟蹤基本原理
1.1.3 多目標跟蹤問題的數學描述
1.2 目標跟蹤技術的研究現狀
1.2.1 信息融合技術的研究現狀
1.2.2 航跡起始的研究現狀
1.2.3 狀態估計技術的研究現狀
1.2.4 數據關聯技術的研究現狀
1.3 模糊目標跟蹤方法及分類
1.3.1 模糊目標跟蹤方法
1.3.2 模糊數據關聯方法分類
1.4 小結
參考文獻
第2章 模糊理論基礎
2.1 引言
2.2 模糊集合理論
2.2.1 普通集合
2.2.2 模糊集合
2.2.3 模糊集合與普通集合之間的關系
2.2.4 模糊集與模糊數
2.3 模糊關系
2.3.1 模糊關系的概念
2.3.2 模糊關系的矩陣表示
2.3.3 擴展原理
2.3.4 模糊關系合成
2.3.5 模糊相似關系和等價關系
2.4 模糊相似性度量
2.4.1 模糊集之間的距離
2.4.2 貼近度
2.4.3 模糊相似度
2.5 模糊推理與語言變量
2.5.1 模糊命題及蘊涵式
2.5.2 模糊推理
2.5.3 語言變量
2.6 模糊綜合評判
2.6.1 模糊綜合評判的基本概念
2.6.2 一級模糊綜合評判
2.6.3 多級模糊綜合評判
2.7 模糊聚類分析
2.7.1 基於模糊等價關系的聚類方法
2.7.2 基於目標函數的模糊聚類方法
2.8 小結
參考文獻
第3章 模糊狀態估計理論
3.1 參數估計理論基礎
3.2 基本濾波器
3.2.1 α-β濾波器
3.2.2 卡爾曼濾波器
3.2.3 無跡卡爾曼濾波器
3.2.4 粒子濾波器
3.3 模糊自適應α-β濾波器
3.3.1 穩定性分析及α參數選取規則
3.3.2 目標機動分析
3.3.3 基於模糊邏輯規則的α、β參數選取
3.3.4 實驗結果及分析
3.4 模糊卡爾曼濾波器
3.4.1 卡爾曼濾波器穩定性分析
3.4.2 基於模糊邏輯規則的過程噪聲協方差估計
3.4.3 實驗結果及分析
3.5 基於T_S模糊模型的卡爾曼濾波器
3.5.1 T_S模糊模型
3.5.2 基於T_S模糊模型的卡爾曼濾波
3.6 模糊積分粒子濾波器
3.6.1 系統模型
3.6.2 高斯一埃爾米特積分規則
3.6.3 模糊積分粒子濾波
3.6.4 算法討論
3.6.5 實驗結果及分析
3.7 小結
參考文獻
第4章 模糊航跡起始
4.1 Hough變換的基本理論
4.1.1 H0 ugh變換原理
4.1.2 Hou曲變換的檢測步驟
4.1.3 Hough變換在航跡起始中的應用
4.2 基於Hough變換與均值漂移的模糊航跡起始
4.2.1 均值漂移算法的基本理論
4.2.2 模糊影響因子的選取
4.2.3 算法流程
4.2.4 仿真分析
4.3 異類傳感器合成量測的模糊航跡起始方法
4.3.1 建立候選目標量測集
4.3.2 異類傳感器的模糊航跡起始
4.3.3 仿真分析
4.4 小結
參考文獻
第5章 模糊機動目標跟蹤
5.1 目標運動模型
5.1.1 勻速和勻加速運動模型
5.1.2 Singer運動模型
5.1.3 「當前」統計模型
5.1.4 轉彎運動模型
5.2 基於模糊邏輯的自適應機動目標跟蹤
5.2.1 模糊輸入變量
5.2.2 模糊推理
5.2.3 自適應調整因子p的選取
5.2.4 實驗結果及分析
5.3 被動傳感器陣列基於模糊聚類的機動目標跟蹤
5.3.1 問題描述
5.3.2 IMM—MEFPDAF
5.3.3 實驗結果及分析
5.4 基於在線數據驅動的模糊機動目標跟蹤
5.4.1 模糊聚類算法
5.4.2 模糊推理機制
5.4.3 模糊目標跟蹤
5.5 小結
參考文獻
第6章 模糊多目標量測一航跡數據關聯
6.1 數據關聯基礎理論
6.1.1 時間對准
6.1.2 空間對准
6.1.3 關聯波門
6.1.4 數據關聯的一般步驟
6.2 基於模糊聚類的數據關聯
6.2.1 模糊c均值聚類數據關聯算法
6.2.2 多模糊c均值聚類數據關聯算法
6.2.3 可能性模糊數據關聯算法
6.3 航向信息輔助的模糊多目標數據關聯
6.3.1 航向角的定義及求解
6.3.2 模糊邏輯推理的多目標數據關聯
6.3.3 實驗結果及分析
6.4 被動傳感器系統模糊概率雙加權數據關聯算法
6.4.1 被動傳感器的量測模型
6.4.2 模糊一概率雙加權數據關聯算法
6.4.3 算法討論
6.4.4 實驗結果及分析
6.5 光學觀測數據的模糊綜合關聯算法
6.5.1 算法流程
6.5.2 關聯預處理
6.5.3 模糊綜合關聯
6.6 ADS-B數據和雷達航跡的直覺模糊數據關聯算法
6.6.1 直覺模糊集理論
6.6.2 關聯預處理
6.6.3 模糊直覺指數的計算
6.6.4 各屬性的模糊決策分數計算
6.6.5 多屬性加權決策數據關聯
6.7 小結
參考文獻
第7章 模糊聯合概率數據關聯濾波器
7.1 PDAF和JPDAF
7.1.1 PDAF
7.1.2 JPDAF
7.2 全鄰模糊JPDAF
7.2.1 模糊關聯隸屬度的計算
7.2.2 狀態及協方差更新
7.3 基於模糊推理的JPDAF
7.3.1 觀測模型
7.3.2 模糊數據關聯
7.3.3 雷達/紅外串行融合估計
7.4 混合模糊JPDAF
7.4.1 模糊C均值聚類算法
7.4.2 基於目標跟蹤的模糊聚類方法
7.4.3 沖突情況的處理
7.4.4 混合模糊JPDAF算法
7.5 最大熵模糊JPDAF
7.5.1 最大熵模糊聚類
7.5.2 單目標跟蹤
7.5.3 多目標跟蹤
7.5.4 差異因子的選擇
7.5.5 實驗結果及分析
7.6 直覺模糊聯合概率數據關聯濾波器
7.6.1 直覺模糊集的構造
7.6.2 基於直覺模糊點算子的關聯度計算
7.6.3 IF-JPDAF1 和IF-JPDAF2
7.6.4 實驗結果及分析
7.7 小結
參考文獻
第8章 模糊航跡關聯
8.1 航跡關聯基礎
8.1.1 航跡融合結構
8.1.2 統計關聯方法
8.2 模糊航跡關聯及融合方法
8.2.1 問題的提出
8.2.2 模糊航跡關聯
8.2.3 航跡融合
8.2.4 實驗結果及分析
8.3 模糊快速航跡關聯算法
8.3.1 最小標准化距離最近鄰分配策略
8.3.2 模糊數據關聯
8.3.3 航跡融合
8.3.4 實驗結果及分析
8.4 小結
參考文獻
