模糊目標跟蹤理論與方法

前言
第1章 緒論
1.1 目標跟蹤基本艦
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(shù)學描述
1.2 目標跟蹤技術(shù)研究現(xiàn)狀
1.2.1 信息融合技術(shù)的研究現(xiàn)狀
1.2.2 航跡起始的研究現(xiàn)狀
1.2.3 狀態(tài)估計技術(shù)的研究現(xiàn)狀
1.2.4 數(shù)據(jù)關聯(lián)技術(shù)的研究現(xiàn)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(shù)據(jù)關聯(lián)方法分類
1.4 小結(jié)
參考文獻

第2章 模糊理論基礎
2.1 引言
2.2 模糊集合艦
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 凸模糊集與模糊數(shù)
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 基于模糊等價關系的聚類方法
2.7.2 基于目標函數(shù)的模糊聚類方法
2.8 小結(jié)
參考文獻

第3章 模糊狀態(tài)估計理論
3.1 參數(shù)估計艦基礎
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(wěn)定性分析及α參數(shù)選取規(guī)則
3.3.2 目標機動分析
3.3.3 基于模糊邏輯規(guī)則的α，β參數(shù)選取
3.3.4 實驗結(jié)果及分析
3.4 模糊卡爾曼濾波器
3.4.1 卡爾曼濾波器穩(wěn)定性分析
3.4.2 基于模糊邏輯規(guī)則的過程噪聲協(xié)方差估計
3.4.3 實驗結(jié)果及分析
3.5 基于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 基于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(tǒng)模型
3.6.2 高斯-埃爾米特積分規(guī)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(jié)果及分析
3.7 小結(jié)
參考文獻

第4章 模糊航跡起始
4.1 Hough變換的基本艦
4.1.1 Hough變換原理
4.1.2 Hough變換的檢測步驟
4.1.3 Hough變換在航跡起始中的應用
4.2 基于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?I跡起始
4.3.3 仿真分析
4.4 小結(jié)
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 Smger運動模型
5.1.3 “當前”統(tǒng)計模型
5.1.4 轉(zhuǎn)彎運動模型
5.2 基于模糊邏輯的自適應機動目標跟蹤
5.2.1 模糊輸人變量
5.2.2 模糊推理
5.2.3 自適應調(diào)整因子/5的選取
5.2.4 實驗結(jié)果及分析
5.3 被動傳感器陣列基于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(jié)果及分析
5.4 基于在線數(shù)娜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(jié)
參考文獻

第6章 模糊多目標量測-航跡數(shù)據(jù)關聯(lián)
6.1 數(shù)據(jù)關聯(lián)基礎艦
6.1.1 時間對準
6.1.2 空間對準
6.1.3 關聯(lián)波門
6.1.4 數(shù)據(jù)關聯(lián)的一般步驟
6.2 基于模糊聚類的數(shù)據(jù)關聯(lián)
6.2.1 模糊C均值聚類數(shù)據(jù)關聯(lián)算法
6.2.2 多模糊C均值聚類數(shù)據(jù)關聯(lián)算法
6.2.3 可能性模糊數(shù)據(jù)關聯(lián)算法
6.3 航向信息輔助的模糊多目標數(shù)據(jù)關聯(lián)
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(shù)據(jù)關聯(lián)
6.3.3 實驗結(jié)果及分析
6.4 被動傳感器系統(tǒng)模糊概率雙加權(quán)數(shù)據(jù)關聯(lián)算法
6.4.1 被動傳感器的量測模型
6.4.2 模糊-概率雙加權(quán)數(shù)據(jù)關聯(lián)算法
6.4.3 算法討論
6.4.4 實驗結(jié)果及分析
6.5 光學觀測數(shù)據(jù)的模糊綜合關聯(lián)算法
6.5.1 算法流程
6.5.2 關聯(lián)預處理
6.5.3 模糊綜合關聯(lián)
6.6 ADS-B數(shù)據(jù)和雷達航跡的直覺模糊數(shù)據(jù)關聯(lián)算法
6.6.1 直覺模糊集艦
6.6.2 關聯(lián)預處理
6.6.3 模糊直覺指數(shù)的計算
6.6.4 各屬性的模糊決策分數(shù)計算
6.6.5 多屬性加權(quán)決策數(shù)據(jù)關聯(lián)
6.7 小結(jié)
參考文獻

第7章 模糊聯(lián)合概率數(shù)據(jù)關聯(lián)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(lián)隸屬度的計算
7.2.2 狀態(tài)及協(xié)方差更新
7.3 基于模糊推理的JPDAF
7.3.1 觀測模型
7.3.2 模糊數(shù)據(jù)關聯(lián)
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 基于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(jié)果及分析
7.6 直覺模糊聯(lián)合概率數(shù)據(jù)關聯(lián)濾波器
7.6.1 直覺模糊集的構(gòu)造
7.6.2 基于直覺模糊點算子的關聯(lián)度計算
7.6.3 IF-JPDAF1和 IF-JPDAF
7.6.4 實驗結(jié)果及分析
7.7 小結(jié)
參考文獻

第8章 模糊航跡關聯(lián)
8.1.航跡關聯(lián)基礎
8.1.1 航跡融合結(jié)構(gòu)
8.1.2 統(tǒng)計關聯(lián)方法
8.2 模糊航跡關聯(lián)及融合方法
8.2.1 問題的提出
8.2.2 模糊航跡關聯(lián)
8.2 3航跡融合
8.2.4 實驗結(jié)果及分析
8.3 模糊快速航跡關聯(lián)算法
8.3.1 最小標準化距離最近鄰分配策略
8.3.2 模糊數(shù)據(jù)關聯(lián)
8.3.3 航跡融合
8.3.4 實驗結(jié)果及分析
8.4 小結(jié)
參考文獻