目 录__eol__ __eol__第1章 概述 1__eol__1.1 雷达数据处理的目的和意义 1__eol__1.2 雷达数据处理中的基本概念 1__eol__1.3 雷达数据处理器的设计要求 8__eol__1.4 雷达数据处理器的主要技术__eol__ 指标及评估 10__eol__1.5 雷达数据处理技术研究历史__eol__ 与现状 11__eol__1.6 本书的范围和概貌 13__eol__参考文献 18__eol__第2章 参数估计 22__eol__2.1 引言 22__eol__2.2 参数估计的概念 22__eol__2.2.1 参数估计定义 22__eol__2.2.2 参数估计准则 24__eol__2.3 四种基本参数估计方法 24__eol__2.4 估计性质 32__eol__2.5 静态向量情况下的参数估计 35__eol__2.6 小结 39__eol__参考文献 39__eol__第3章 线性滤波方法 41__eol__3.1 引言 41__eol__3.2 卡尔曼滤波 41__eol__3.2.1 系统模型 41__eol__3.2.2 滤波模型 46__eol__3.2.3 卡尔曼滤波的初始化 49__eol__3.2.4 卡尔曼滤波算法应用举例 51__eol__3.2.5 卡尔曼滤波应用中应注意__eol__ 的一些问题 53__eol__3.3 稳态卡尔曼滤波 54__eol__3.3.1 滤波器稳定的数学定义和__eol__ 判断方法 54__eol__3.3.2 随机线性系统的可控制性__eol__ 和可观测性 54__eol__3.3.3 稳态卡尔曼滤波 55__eol__3.4 常增益滤波 56__eol__3.4.1 ?-? 滤波 57__eol__3.4.2 自适应?-? 滤波 59__eol__3.4.3 ?-? 滤波算法应用举例 59__eol__3.4.4 ?-?-? 滤波 61__eol__3.4.5 自适应?-?-? 滤波 61__eol__3.4.6 线性滤波器性能比较 62__eol__3.5 Sage-Husa自适应卡尔曼滤波 62__eol__3.6 H∞卡尔曼滤波 63__eol__3.7 变分贝叶斯滤波 64__eol__3.8 状态估计的一致性检验 65__eol__3.8.1 状态估计误差一致性检验 65__eol__3.8.2 新息的一致性检验 65__eol__3.8.3 新息的白色检验 66__eol__3.8.4 滤波器一致性检验应用__eol__ 举例 66__eol__3.9 小结 67__eol__参考文献 67__eol__第4章 非线性滤波方法 70__eol__4.1 引言 70__eol__4.2 扩展卡尔曼滤波 70__eol__4.2.1 系统模型 70__eol__4.2.2 滤波模型 71__eol__4.2.3 线性化EKF滤波的误差__eol__ 补偿 73__eol__4.2.4 EKF应用举例 74__eol__4.2.5 EKF应用中应注意的问题 77__eol__4.3 不敏卡尔曼滤波 77__eol__4.3.1 不敏变换 78__eol__4.3.2 滤波模型 78__eol__4.3.3 仿真分析 79__eol__4.4 粒子滤波 82__eol__4.4.1 滤波模型 82__eol__4.4.2 EKF、UKF、PF滤波算法__eol__ 性能分析 84__eol__4.5 平滑变结构滤波 86__eol__4.6 小结 88__eol__参考文献 89__eol__第5章 量测数据预处理技术 92__eol__5.1 引言 92__eol__5.2 时间配准 92__eol__5.3 空间配准 94__eol__5.3.1 坐标系 94__eol__5.3.2 坐标变换 97__eol__5.3.3 常用坐标系间的变换__eol__ 关系 99__eol__5.3.4 常用坐标系中的跟踪__eol__ 问题 103__eol__5.3.5 跟踪坐标系与滤波状态__eol__ 变量选择 110__eol__5.4 野值剔除 110__eol__5.4.1 野值的定义、成因及__eol__ 分类 111__eol__5.4.2 野值的判别方法 112__eol__5.5 雷达误差标校 112__eol__5.6 数据压缩 113__eol__5.6.1 单雷达数据压缩 113__eol__5.6.2 多雷达数据压缩 114__eol__5.7 小结 116__eol__参考文献 117__eol__第6章 多目标跟踪中的航迹起始 119__eol__6.1 引言 119__eol__6.2 航迹起始波门的形状和尺寸 119__eol__6.2.1 环形波门 120__eol__6.2.2 椭圆（球）波门 120__eol__6.2.3 矩形波门 121__eol__6.2.4 扇形波门 122__eol__6.3 航迹起始算法 122__eol__6.3.1 直观法 122__eol__6.3.2 逻辑法 123__eol__6.3.3 修正的逻辑法 124__eol__6.3.4 Hough变换法 125__eol__6.3.5 修正的Hough变换法 127__eol__6.3.6 基于Hough变换和逻辑的__eol__ 航迹起始算法 128__eol__6.3.7 基于速度约束的改进Hough__eol__ 变换航迹起始算法 128__eol__6.3.8 基于聚类和Hough变换的编__eol__ 队目标航迹起始算法 129__eol__6.3.9 被动雷达航迹起始算法 131__eol__6.4 航迹起始算法综合分析 132__eol__6.5 航迹起始中的有关问题__eol__ 讨论 135__eol__6.6 小结 135__eol__参考文献 136__eol__第7章 多目标数据互联算法 138__eol__7.1 引言 138__eol__7.2 联合极大似然算法 138__eol__7.2.1 基本原理 138__eol__7.2.2 应用举例 140__eol__7.3 最近邻算法 142__eol__7.3.1 最近邻算法 142__eol__7.3.2 概率最近邻算法 142__eol__7.3.3 性能分析 143__eol__7.4 概率数据互联（PDA）__eol__ 算法 144__eol__7.4.1 状态更新与协方差更新 144__eol__7.4.2 互联概率计算 146__eol__7.4.3 修正的PDAF算法 148__eol__7.4.4 性能分析 149__eol__7.5 综合概率数据互联算法__eol__ （IPDA） 152__eol__7.5.1 航迹存在性判断 152__eol__7.5.2 数据互联 154__eol____eol__7.6 联合概率数据互联算法__eol__ （JPDA） 154__eol__7.6.1 JPDA算法的基本模型 154__eol__7.6.2 联合事件概率的计算 158__eol__7.6.3 状态估计协方差的计算 160__eol__7.6.4 简化的JPDA算法模型 162__eol__7.6.5 性能分析 164__eol__7.7 全邻模糊聚类数据互联__eol__ 算法 165__eol__7.7.1 确认矩阵的建立 165__eol__7.7.2 有效回波概率计算 166__eol__7.7.3 性能分析 169__eol__7.8 最优贝叶斯算法 170__eol__7.8.1 最优贝叶斯算法模型 170__eol__7.8.2 算法的次优实现 171__eol__7.9 多假设跟踪算法 172__eol__7.9.1 假设的产生 172__eol__7.9.2 概率计算 172__eol__7.10 性能分析 174__eol__7.11 小结 175__eol__参考文献 175__eol__第8章 多目标智能跟踪方法 178__eol__8.1 引言 178__eol__8.2 航迹智能预测技术 178__eol__8.2.1 模型研究 179__eol__8.2.2 典型方法 182__eol__8.2.3 实验验证 182__eol__8.3 点航智能关联技术 189__eol__8.3.1 模型研究 189__eol__8.3.2 实验验证 192__eol__8.4 航迹智能滤波技术 197__eol__8.4.1 问题描述 197__eol__8.4.2 端到端学习的可行性分析 198__eol__8.4.3 循环卡尔曼神经网络模型 201__eol__8.4.4 RKNN网络训练 203__eol__8.4.5 RKNN网络测试与仿真__eol__ 验证 205__eol__8.5 小结 2