目標定位跟蹤原理及應用 MATLAB仿真

第1章MATLAB仿真基礎(chǔ)
1.1MATLAB簡介
1.1.1MATLAB發(fā)展歷史
1.1.2MATLAB 7.1系統(tǒng)
1.1.3M-File編輯器的使用
1.2數(shù)據(jù)類型和數(shù)組
1.2.1數(shù)據(jù)類型概述
1.2.2數(shù)組的創(chuàng)建
1.2.3數(shù)組的屬性
1.2.4數(shù)組的操作
1.2.5結(jié)構(gòu)體和元胞數(shù)組
1.3程序設計
1.3.1條件語句
1.3.2循環(huán)語句
1.3.3函數(shù)
1.3.4畫圖
1.4小結(jié)
第2章目標定位跟蹤系統(tǒng)概述
2.1觀測系統(tǒng)
2.1.1基本概念
2.1.2坐標系
2.1.3典型的觀測站
2.2定位
2.2.1模糊定位
2.2.2精確定位
2.2.3典型的定位系統(tǒng)
2.3目標跟蹤
2.3.1多觀測站系統(tǒng)架構(gòu)
2.3.2跟蹤過程描述
2.3.3跟蹤軌跡
2.4跟蹤的數(shù)學模型
2.4.1勻速直線運動
2.4.2勻加速運動
2.5小結(jié)
第3章目標定位算法
3.1非測距的定位算法
3.1.1質(zhì)心定位算法
3.1.2加權(quán)質(zhì)心定位算法
3.1.3網(wǎng)格定位算法
3.2基于測距的定位算法
3.2.1最小二乘原理
3.2.2最小二乘定位算法
3.2.3基于RSSI測距的定位算法
3.2.4基于TOA/TDOA的目標定位算法
3.3基于角度測量的定位算法
3.3.1雙站角度定位
3.3.2三角測量法定位
3.4移動目標定位算法
3.4.1移動目標計算機仿真建模
3.4.2基于距離觀測的運動目標定位
3.4.3純方位角的運動目標定位
3.5小結(jié)
第4章線性Kalman濾波
4.1Kalman濾波原理
4.1.1射影定理
4.1.2Kalman濾波器
4.1.3Kalman濾波的參數(shù)處理
4.2Kalman濾波用于一維觀測信號去噪
4.2.1信號測量濾波原理
4.2.2一維Kalman濾波的應用仿真
4.3Kalman濾波在自由落體運動目標跟蹤中的應用
4.3.1狀態(tài)方程的建立
4.3.2自由落體跟蹤仿真
4.4Kalman濾波在船舶GPS導航定位系統(tǒng)中的應用
4.4.1GPS導航系統(tǒng)原理介紹
4.4.2導航定位系統(tǒng)仿真
4.5Kalman濾波在視頻圖像目標跟蹤中的應用
4.5.1視頻捕獲和錄制
4.5.2視頻導入和顯示
4.5.3對視頻幀的操作
4.5.4Kalman濾波對自由下落的皮球跟蹤應用
4.6小結(jié)
第5章非線性Kalman濾波
5.1擴展Kalman濾波
5.1.1EKF的基本思想
5.1.2非線性系統(tǒng)的線性化
5.1.3EKF的濾波原理
5.2EKF的應用及仿真
5.2.1EKF應用于一維非線性系統(tǒng)
5.2.2基于距離觀測的目標跟蹤EKF狀態(tài)估計
5.2.3純方位角目標跟蹤EKF狀態(tài)估計
5.2.4EKF在純方位尋的導彈制導中的應用
5.3無跡Kalman濾波
5.3.1UKF的基本思想
5.3.2無跡變換
5.3.3UKF的濾波過程
5.4UKF的應用及仿真
5.4.1UKF在單站觀測站目標跟蹤中的應用
5.4.2UKF在六維勻加速直線運動目標跟蹤系統(tǒng)中的應用
5.5小結(jié)
第6章粒子濾波
6.1粒子濾波簡介
6.1.1粒子濾波的發(fā)展歷史
6.1.2粒子濾波的特點
6.1.3粒子濾波的應用領(lǐng)域
6.2蒙特卡洛原理
6.2.1蒙特卡洛的基本思想
6.2.2蒙特卡洛的理論基礎(chǔ)
6.2.3蒙特卡洛的應用實例
6.3粒子濾波原理
6.3.1蒙特卡洛采樣原理
6.3.2貝葉斯重要性采樣
6.3.3序列重要性采樣濾波器
6.3.4Bootstrap/SIR濾波器
6.3.5權(quán)值計算方法
6.4粒子濾波經(jīng)典采樣算法
6.4.1隨機重采樣
6.4.2多項式重采樣
6.4.3系統(tǒng)重采樣
6.4.4殘差重采樣
6.5粒子濾波的應用
6.5.1粒子濾波應用于一維非線性系統(tǒng)
6.5.2粒子濾波應用于高斯模型目標跟蹤系統(tǒng)
6.5.3粒子濾波應用于非高斯模型目標跟蹤系統(tǒng)
6.6小結(jié)
第7章多目標跟蹤算法
7.1多目標跟蹤系統(tǒng)建模
7.1.1單站多目標跟蹤系統(tǒng)建模
7.1.2單站多目標跟蹤系統(tǒng)仿真
7.1.3多站多目標跟蹤系統(tǒng)建模
7.1.4多站多目標跟蹤系統(tǒng)仿真
7.2多目標跟蹤分類算法
7.2.1多目標數(shù)據(jù)融合概述
7.2.2近鄰法分類算法及程序
7.2.3近鄰法用于目標跟蹤中的航跡關(guān)聯(lián)及算法程序
7.2.4k-近鄰法分類算法
7.3多目標跟蹤算法
7.3.1基于Kalman濾波的多目標跟蹤算法
7.3.2基于粒子濾波的多目標狀態(tài)估計
7.4小結(jié)
第8章Simulink仿真
8.1Simulink概述
8.1.1Simulink啟動
8.1.2Simulink仿真設置
8.1.3Simulink模塊庫簡介
8.2S函數(shù)
8.2.1S函數(shù)原理
8.2.2S函數(shù)的控制流程
8.3目標跟蹤的Simulink仿真
8.3.1狀態(tài)方程和觀測方程的Simulink建模
8.3.2基于S函數(shù)的Kalman濾波器設計及其在跟蹤中的應用
8.3.3基于S函數(shù)的粒子濾波器設計及其在跟蹤中的應用
8.4小結(jié)