《神经网络跟踪理论及应用》求取 ⇩

第一章机动多目标跟踪理论与方法综述1

1.1 引言1

1.2 机动多目标跟踪基本原理2

1.3 机动目标模型4

1.4 自适应滤波算法7

1.5 跟踪门的形成方法13

1.6 多目标数据关联与跟踪维持17

1.7 多目标跟踪起始与终结25

1.8 人工神经网络在多目标跟踪中的应用概述30

1.9 本书的主要工作与特色31

第二章基于神经网络的机动目标信息融合与并行自适应跟踪33

2.1 引言33

2.2 问题描述33

2.3 多层前馈神经网络与BP学习算法34

2.4 基于神经网络的信息融合系统及其基本原理36

2.5 目标特征提取与网络离线训练38

2.6 基于神经网络的信息融合与并行自适应跟踪算法（NIFPAT）39

2.7 仿真结果40

2.8 结论45

第三章随机神经网络组合优化与多目标数据关联46

3.1引言46

3.2 JPDA及其计算组合爆炸46

3.3 Hopfield网络模型与旅行商问题（TSP）50

3.4 神经联合概率数据关联（NJPDA）55

3.5 随机神经网络与快速随机神经联合概率数据关联（FSNJPDA）58

3.6 仿真结果60

3.7 结论61

第四章随机神经网络组合参数优化64

4.1 引言64

4.2 参数稳定性、灵敏度和鲁棒性分析理论概述64

4.3 随机神经网络组合参数优化与关键性能参数的确定65

4.4 结论68

5.2 机动目标“当前”统计模型和均值与方差自适应算法69

第五章基于随机神经网络的机动多目标跟踪维持69

5.1 引言69

5.3 快速随机神经联合概率数据关联自适应滤波算法72

5.4 计算机仿真74

5.5 结论82

第六章基于随机神经网络和Bayes后验推理的机动多目标跟踪起始与终结84

6.1 引言84

6.2 主跟踪子空间与边缘跟踪子空间85

6.3 Bayes轨迹确定与终结方法（BTCT）85

6.4 基于随机神经网络的“全邻”Bayes跟踪起始与终结算法（SNABTIT）86

6.5 计算机仿真88

6.6 结论91

第七章三维空间中的机动目标建模与自适应跟踪92

7.1 引言92

7.2 目标运动模型92

7.3 目标量测噪声96

7.4 跟踪滤波算法97

7.5 性能评价方法101

7.6 MonteCarlo仿真结果102

7.7 结论103

第八章三维空间中的机动多目标神经自适应跟踪104

8.1 引言104

8.2 三维空间中的目标运动描述104

8.3 三维空间中的跟踪门设计105

8.4 三维空间中的机动多目标快速随机神经自适应跟踪106

8.5 计算机仿真107

8.6 结论113

第九章回顾与展望114

9.1引言114

9.2 研究成果回顾114

9.3 研究展望116

参考文献118