高超声速机动目标跟踪模型与状态估计算法研究

目录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 高超声速目标跟踪模型研究现状

1.2.1 动力学跟踪模型

1.2.2 运动学跟踪模型

1.3 滤波算法设计与评估研究现状

1.3.1 可观测性分析

1.3.2 算法稳定性分析

1.3.3 算法精度分析

1.4 非线性非高斯滤波算法研究现状

1.4.1 非线性高斯系统

1.4.2 非线性非高斯系统

1.5 目标机动模式在线识别研究现状

1.5.1 状态参数联合估计

1.5.2 在线识别

1.6 本文的主要研究内容

第2章 高超声速飞行运动特性分析

2.1 引言

2.2 高超声速飞行动力学建模

2.2.1 需用的坐标系

2.2.2 各坐标系间的转换关系

2.2.3 弹道坐标系中的质心动力学方程

2.2.4 高超声速飞行模式

2.3 弹道数据模态分解

2.3.1 混合序列处理

2.3.2 集成经验模态分解

2.4 趋势项建模与分析

2.4.1 多项式与 ARMA 模型

2.4.2 ARMA 模型统计估计

2.4.3 运动模型分析

2.5 周期项建模与分析

2.5.1 周期运动识别

2.5.2 ARMA 模型统计估计

2.5.3 运动模型分析

2.6 多模态数据模型叠合

2.6.1 AR 模型叠合

2.6.2 跟踪模型建立

2.7 本章小结

第3章 高阶马尔可夫模型滤波算法设计

3.1 引言

3.2 可观测性评估

3.2.1 跟踪系统描述

3.2.2 可观测性 Gramian 矩阵

3.2.3 Fisher 信息矩阵

3.2.4 估计误差协方差矩阵

3.3 滤波算法稳定性评估

3.3.1 随机可控性分析

3.3.2 李雅谱诺夫指数法分析

3.3.3 李雅谱诺夫函数法分析

3.4 滤波算法精度评估

3.4.1 方差误差分析

3.4.2 一致性检验

3.5 状态增广滤波算法设计

3.5.1 状态增广滤波

3.5.2 扩展 Schmidt-Kalman 滤波

3.5.3 容积 Schmidt-Kalman 滤波

3.6 本章小结

第4章 非高斯确定性采样滤波算法设计

4.1 引言

4.2 贝叶斯估计理论

4.2.1 贝叶斯准则与 Gauss 积分

4.2.2 多维高斯球面径向容积准则

4.2.3 多维非高斯问题

4.3 混沌多项式理论

4.3.1 基于混沌多项式的函数逼近分析

4.3.2 正交多项式规范化

4.4 基于非高斯采样的 Kalman 滤波算法设计

4.4.1 采样策略设计

4.4.2 集中式 Kalman 滤波

4.4.3 分布式 Kalman 滤波

4.5 基于混沌多项式的 Kalman 滤波算法设计

4.5.1 PCE 降维

4.5.2 PCE 系数求解

4.5.3 集中式 PCEKalman 滤波

4.5.4 分布式 PCEKalman 滤波

4.6 本章小结

第5章 目标机动模式不确定性在线识别

5.1 引言

5.2 状态不确定性分析

5.2.1 连续系统类噪声项构建

5.2.2 离散系统类噪声项构建

5.3 状态偏置耦合分析

5.3.1 忽略耦合的二级 Kalman 滤波

5.3.2 考虑耦合的二级扩展 Kalman 滤波

5.3.3 考虑耦合的二级非高斯容积 Kalman 滤波

5.4 鲁棒 Kalman 滤波算法设计

5.4.1 M 估计与强跟踪

5.4.2 线性鲁棒 Kalman 滤波

5.4.3 非线性鲁棒 Kalman 滤波

5.5 目标机动模式在线识别

5.5.1 机动检测

5.5.2 机动模式识别

5.5.3 目标跟踪综合仿真

5.6 本章小结

结 论

参考文献

攻读博士学位期间发表的论文及其它成果

声明

致 谢

个人简历