《貝葉斯多目標跟蹤》是2016年6月出版的圖書，作者是（美）勞倫斯·D. 斯通（Lawrence D. Stone）等。
基本介紹
- 書名：貝葉斯多目標跟蹤
- 作者：（美）勞倫斯·D. 斯通（Lawrence D. Stone）等
- 譯者：鄂群, 門金柱,姚科明
- ISBN：978-7-118-10758-6
- 頁數：261
- 定價：95.00
- 出版時間：2016年6月
- 裝幀：平裝
- 開本：16
- 版次：2版1次
- 字數：268
- 中圖分類：E87
- 叢書名：國防科技著作精品譯叢
內容簡介,目錄,
內容簡介
本書從標準的貝葉斯論者的視角逐步建立了多目標跟蹤的數學理論。多目標跟蹤問題的目的, 是為了估計在感興趣區域內的目標數量以及每個目標的狀態。本書把多目標跟蹤視為貝葉斯推斷問題。在這個框架內, 建立了單目標跟蹤、多目標跟蹤及似然比檢測和跟蹤(LRDT) 理論。在建立過程中, 強調了使用似然函式來表示信息。
目錄
第1 章跟蹤問題1
11 跟蹤問題描述1
111 觀測和運動模型 2
112 估計 2
113 濾波 3
12 例1: 跟蹤一艘水面艦艇5
121 目標狀態的先驗分布 6
122 運動模型 7
123 測量模型 7
124 跟蹤輸出 8
13 例2: 純方位跟蹤12
131 例子描述 13
132 先驗分布 13
133 運動模型 14
134 測量模型 15
135 粒子濾波描述 17
136 評述 19
137 跟蹤輸出 19
14 例3: 潛望鏡探測和跟蹤22
141 目標跟蹤 23
142 例子 24
15 例4: 多目標跟蹤27
151 軟相關 28
16 小結35
參考文獻35
第2 章貝葉斯推斷和似然函式37
21 貝葉斯推斷的情形38
211 頻率論者的觀點 38
212 條件論者的觀點 39
213 貝葉斯論者的觀點 39
22 似然函式和貝葉斯原理42
221 似然函式 42
222 貝葉斯原理 43
223 貝葉斯原理的序貫性質 44
23 似然函式的例子44
231 高斯接觸模型 44
232 高斯型方位誤差模型 45
233 混合方位和接觸的測量 47
234 目標否定的信息 50
235 確定的信息 53
236 雷達和紅外檢測 54
237 信號{ 加{ 噪聲模型 55
238 小結 59
參考文獻60
第3 章單目標跟蹤61
31 貝葉斯濾波61
311 遞歸貝葉斯濾波 62
312 預測和平滑 68
313 遞歸預測 68
314 遞歸平滑 69
315 批處理平滑 71
316 陸地規避 71
32 卡爾曼濾波74
321 離散卡爾曼濾波 74
322 連續{ 離散卡爾曼濾波 79
323 卡爾曼平滑 85
33 非線性濾波的粒子濾波實現89
331 粒子生成 90
332 粒子濾波遞歸 91
333 再採樣 91
334 擾動目標狀態 92
335 收斂性 94
336 奇異子 94
337 多運動模型 95
338 高維狀態空間 96
34 小結96
參考文獻96
第4 章經典多目標跟蹤99
41 多目標跟蹤101
411 多目標運動模型 101
412 多目標似然函式 102
413 多目標貝葉斯遞歸 103
42 多假設跟蹤104
421 接觸 105
422 掃描 106
423 數據關聯假設 106
424 掃描和掃描關聯假設 108
425 多假設跟蹤分解 110
43 獨立多假設跟蹤112
431 條件獨立關聯似然函式 113
432 掃描關聯似然函式例子 114
433 獨立定理 115
434 獨立MHT 遞歸 118
44 線性{ 高斯多假設跟蹤120
441 線性{ 高斯情況下的MHT 遞歸 120
442 後驗分布和關聯機率 121
45 非線性聯合機率數據關聯125
451 掃描關聯假設 125
452 掃描關聯機率 126
453 JPDA 後驗 128
454 允許新目標出現和刪除存在目標 128
455 粒子濾波實現 129
456 例子 130
46 機率多假設跟蹤131
461 PMHT 假設 132
462 關聯上的後驗分布 134
463 期望的最大化 136
464 非線性PMHT 138
465 線性{ 高斯PMHT 140
466 式(481) 的證明 141
47 小結143
48 說明145
參考文獻147
第5 章多目標強度濾波149
51 多目標狀態的點過程模型151
511 PPP 的基本屬性 152
512 PPP 的機率分布函式 154
513 點過程的疊加 154
514 目標運動過程 154
515 感測器測量過程 155
516 過程稀釋 155
517 擴展空間 156
52 iFilter 156
521 擴展狀態空間建模 157
522 預測的檢測和未檢測目標過程 158
523 測量過程 158
524 貝葉斯後驗點過程(信息更新) 159
525 PPP 近似 160
526 PPP 近似中的相關損失 161
527 iFilter 濾波 161
528 PPP 的變換仍為PPP 162
53 PHD 濾波164
54 iFilter 的PGF 方法167
541 PGF 概述 167
542 有限格網上的iFilter 171
543 格網狀態和直方數據的聯合PGF 171
544 小單元極限 180
55 擴展目標濾波182
56 小結183
57 註記184
571 其他話題 184
572 背景 185
參考文獻185
第6 章使用跟蹤生成測量的多目標跟蹤188
61 最大後驗罰函式跟蹤189
611 MAP-PF 方程 190
612 疊代最佳化 193
613 算法 196
614 變形 197
62 粒子濾波實現198
63 線性{ 高斯實現199
64 例子200
641 模型 200
642 MAP-PF 實現 203
643 JDPA 實現 207
644 例子總結 209
65 小結209
66 註記210
67 感測器陣列觀測模型和信號處理211
671 感測器觀測模型 211
672 陣列信號處理 213
673 Cramer-Rao 限界 216
參考文獻218
第7 章似然比檢測和跟蹤220
71 基本檢測和關係221
711 似然比 222
712 測量似然比 223
72 似然比遞歸223
721 簡化似然比遞歸 225
722 對數似然比 227
73 聲明目標存在228
731 最小化貝葉斯風險 228
732 在給定置信度下的目標聲明 229
733 聲明的奈曼{ 皮爾遜判據 229
734 檢測前跟蹤 230
74 LRDT 低信噪比例子230
741 簡單例子 230
742 潛望鏡檢測的例子 237
75 具有高雜波率的閾值數據240
751 測量和虛警模型 241
752 多基地聲納例子 243
76 基於格網的實現246
761 先驗似然比 246
762 運動模型 247
763 信息更新 249
77 使用LRDT 進行多目標跟蹤249
771 測量似然比的局部性質 249
772 用做多目標跟蹤檢測的LRDT 251
78 iLRT 251
781 強度濾波的粒子濾波實現 252
782 目標檢測和跟蹤估計 254
783 例子 255
79 小結257
710 註記258
參考文獻259
附錄高斯密度引理260
