复杂场景多目标跟踪理论与方法

第1章绪论

1.1引言

1.2贝叶斯框架下的多目标跟踪研究现状

1.2.1基于数据关联的多目标跟踪

1,2.2基于随机有限集的多目标跟踪

1.2.3多目标跟踪系统中的未知场景建模

本章小结

第2章随机有限集目标跟踪基础

2.1引言

2,2随机有限集理论

2.2.1随机有限集的定义

2.2,2集合微积分

2,2.3贝叶斯框架下的随机有限集滤波

2.3随机有限集多目标跟踪方法

2.3.1概率假设密度滤波

2,3.2势概率假设密度滤波

2.3.3势均衡多伯努利滤波

2.4多目标跟踪算法评价准则

本章小结

第3章未知新生密度多目标跟踪方法

3.1引言

3.2未知新生密度概率假设密度滤波

3.3未知新生密度势均衡多伯努利滤波

3.3.1算法原理。

3,3.2高斯混合实现

3.3.3粒子实现

3.4实验与分析

3.4.1线性场景

3.4.2非线性场景

本章小结

第4章未知新生强度势均衡多伯努利跟踪方法

4,1引言-

4.2问题描述.

4,2.1新生概率模型匹配问题

4.2.2实时性问题.aaetn

4.3未知新生强度势均街多伯努利滤波

4.3.1新生概率模型及算法原理

4.3.2粒子实现

4.4未知新生强度势均衡多伯努利滤波的快速实现

4.4.1量测似然雨数-.hn

4.4.2门限的选择.

4.4.3快速未知新生强度势均衡多伯努利滤波

4.5实验与分析.

4.5.1门限选择的有效性验证

4.5.2滤波性能分析

本章小结

第5章未知运动模型参数势均衡多伯努利跟踪方法

5.1引言*

5.2基于势均衡下多伯努利滤波的多机动目标跟踪

5.2.1交互多模型算法o.

5,2.2多模型势均衡的多伯努利滤波

5.3未知运动模型参数下的势均衡多伯努利滤波

5.3.1未知参数的估计方法.

5,3.2改进的势均衡多伯努利滤波

5.4实验与分析.*.

本章小结

第6章未知杂波率和检测概率多目标跟踪方法

6.1引言・

6.2未知杂波率和检测概率势概率假设密度滤波

6.2.1杂波和目标的分配失衡问题.

6.2.2未知检测概率的时延问题-

6.3未知杂波率及检测概率势均衡多伯努利滤波

6.3.1未知杂波率势均衡多伯努利滤波

6.3.2未知检测概率势均衡多伯努利滤波

6.4实验与分析-.*

6.4.1未知杂波率滤波性能分析

6.4.2未知检测概率速波性能分析

本章小结

第7章噪声野值下的势均衡多伯努利滤波方法

7.1引言

7.2基于学生分布的单目标滤波

7.2.1学生，分布

7.2.2学生:分布卡尔曼滤波

7,3基于学生t分布的势均衡多目标多伯努利滤波

7.3.1模型假设

7.3,2学生:分布混合势均衡多伯努利滤波方法

7.3.3算法分析与扩展

7.4实验与分析

7.4.1无野值场景

7.4.2重尾噪声场景

7.4.3非线性场景

本章小结。

附录A符号对照表・

附录B缩略语对照表

参考文献.

本书在随机有限集理论框架下，重点介绍了场景未知时变的贝叶斯滤波跟踪参量建模及算法优化。针对复杂跟踪环境引起的错跟、失跟、目标状态及数目估计不准等问题，对假设条件过于理想的目标新生、目标运动、杂波率、传感器检测概率和噪声等参量模型进行了重构，推导了一系列在复杂场景下适用性更强的多目标跟踪方法，为推动多目标技术的发展以及在实际工程领域中的应用提供了相应支撑。