第1章  跟蹤問題

  1.1  跟蹤問題描述

    1.1.1  觀測和運動模型

    1.1.2  估計

    1.1.3  濾波

  1.2  例1：跟蹤一艘水面艦艇

    1.2.1  目標狀態的先驗分布

    1.2.2  運動模型

    1.2.3  測量模型

    1.2.4  跟蹤輸出

  1.3  例2：純方位跟蹤

    1.3.1  例子描述

    1.3.2  先驗分布

    1.3.3  運動模型

    1.3.4  測量模型

    1.3.5  粒子濾波描述

    1.3.6  評述

    1.3.7  跟蹤輸出

  1.4  例3：潛望鏡探測和跟蹤

    1.4.1  目標跟蹤

    1.4.2  例子

  1.5  例4：多目標跟蹤

    1.5.1  軟相關

  1.6  小結

  參考文獻

第2章  貝葉斯推斷和似然函數

  2.1  貝葉斯推斷的情形

    2.1.1  頻率論者的觀點

    2.1.2  條件論者的觀點

    2.1.3  貝葉斯論者的觀點

  2.2  似然函數和貝葉斯原理

    2.2.1  似然函數

    2.2.2  貝葉斯原理

    2.2.3  貝葉斯原理的序貫性質

  2.3  似然函數的例子

    2.3.1  高斯接觸模型

    2.3.2  高斯型方位誤差模型

    2.3.3  混合方位和接觸的測量

    2.3.4  目標否定的信息

    2.3.5  確定的信息

    2.3.6  雷達和紅外檢測

    2.3.7  信號-加-噪聲模型

    2.3.8  小結

  參考文獻

第3章  單目標跟蹤

  3.1  貝葉斯濾波

    3.1.1  遞歸貝葉斯濾波

    3.1.2  預測和平滑

    3.1.3  遞歸預測

    3.1.4  遞歸平滑

    3.1.5  批處理平滑

    3.1.6  陸地規避

  3.2  卡爾曼濾波

    3.2.1  離散卡爾曼濾波

    3.2.2  連續-離散卡爾曼濾波

    3.2.3  卡爾曼平滑

  3.3  非線性濾波的粒子濾波實現

    3.3.1  粒子生成

    3.3.2  粒子濾波遞歸

    3.3.3  再采樣

    3.3.4  擾動目標狀態

    3.3.5  收斂性

    3.3.6  奇異子

    3.3.7  多運動模型

    3.3.8  高維狀態空間

  3.4  小結

  參考文獻

第4章  經典多目標跟蹤

  4.1  多目標跟蹤

    4.1.1  多目標運動模型

    4.1.2  多目標似然函數

    4.1.3  多目標貝葉斯遞歸

  4.2  多假設跟蹤

    4.2.1  接觸

    4.2.2  掃描

    4.2.3  數據關聯假設

    4.2.4  掃描和掃描關聯假設

    4.2.5  多假設跟蹤分解

  4.3  獨立多假設跟蹤

    4.3.1  條件獨立關聯似然函數

    4.3.2  掃描關聯似然函數例子

    4.3.3  獨立定理

    4.3.4  獨立MHT遞歸

  4.4  線性-高斯多假設跟蹤

    4.4.1  線性-高斯情況下的MHT遞歸

    4.4.2  後驗分布和關聯概率

  4.5  非線性聯合概率數據關聯

    4.5.1  掃描關聯假設

    4.5.2  掃描關聯概率

    4.5.3  JPDA後驗

    4.5.4  允許新目標出現和刪除存在目標

    4.5.5  粒子濾波實現

    4.5.6  例子

  4.6  概率多假設跟蹤

    4.6.1  PMHT假設

    4.6.2  關聯上的後驗分布

    4.6.3  期望的化

    4.6.4  非線性PMlHT

    4.6.5  線性-高斯PMHT

    4.6.6  式（4.81）的證明

  4.7  小結

  4.8  說明

  參考文獻

第5章  多目標強度濾波

  5.1  多目標狀態的點過程模型

    5.1.1  PPP的基本屬性

    5.1.2  PPP的概率分布函數

    5.1.3  點過程的疊加

    5.1.4  目標運動過程

    5.1.5  傳感器測量過程

    5.1.6  過程稀釋

    5.1.7  擴展空間

  5.2  iFilter

    5.2.1  擴展狀態空間建模

    5.2.2  預測的檢測和未檢測目標過程

    5.2.3  測量過程

    5.2.4  貝葉斯後驗點過程（信息更新）

    5.2.5  PPP近似

    5.2.6  PPP近似中的相關損失

    5.2.7  iFilter濾波

    5.2.8  PPP的變換仍為PPP

  5.3  PHD濾波

  5.4  iFilter的PGF方法

    5.4.1  PGF概述

    5.4.2  有限格網上的iFilter

    5.4.3  格網狀態和直方數據的聯合PGF

    5.4.4 極限

  5.5  擴展目標濾波

  5.6  小結

  5.7  注記

    5.7.1  其他話題

    5.7.2  背景

  參考文獻

第6章  使用跟蹤生成測量的多目標跟蹤

  6.1  後驗罰函數跟蹤

    6.1.1  MAP-PF方程

    6.1.2  迭代優化

    6.1.3  算法

    6.1.4  變形

  6.2  粒子濾波實現

  6.3  線性-高斯實現

  6.4  例子

    6.4.1  模型

    6.4.2  MAP-PF實現

    6.4.3  JDPA實現

    6.4.4  例子總結

  6.5  小結

  6.6  注記

  6.7  傳感器陣列觀測模型和信號處理

    6.7.1  傳感器觀測模型

    6.7.2  陣列信號處理

    6.7.3  Cramer-Rao限界

  參考文獻

第7章  似然比檢測和跟蹤

  7.1  基本檢測和關繫

    7.1.1  似然比

    7.1.2  測量似然比

  7.2  似然比遞歸

    7.2.1  簡化似然比遞歸

    7.2.2  對數似然比

  7.3  聲明目標存在

    7.3.1  小化貝葉斯風險

    7.3.2  在給定置信度下的目標聲明

    7.3.3  聲明的奈曼-皮爾遜判據

    7.3.4  檢測前跟蹤

  7.4  LRDT低信噪比例子

    7.4.1  簡單例子

    7.4.2  潛望鏡檢測的例子

  7.5  具有高雜波率的閾值數據

    7.5.1  測量和虛警模型

    7.5.2  多基地聲納例子

  7.6  基於格網的實現

    7.6.1  先驗似然比

    7.6.2  運動模型

    7.6.3  信息更新

  7.7  使用LRDT進行多目標跟蹤

    7.7.1  測量似然比的局部性質

    7.7.2  用做多目標跟蹤檢測的LRDT

  7.8  iLRT

    7.8.1  強度濾波的粒子濾波實現

    7.8.2  目標檢測和跟蹤估計

    7.8.3  例子

  7.9  小結

  7.10  注記

參考文獻

附錄  高斯密度引理