随机有限集目标跟踪

　　《随机有限集目标跟踪》采用目标跟踪与数据融合界常用的术语和符号，聚焦于系统介绍RFS理论在目标跟踪领域的具体实现，涵盖了当前该领域研究的几乎所有成果：概率假设密度（PHD）、带势概率假设密度（CPHD）、多伯努利（MB）、标签多伯努利（LMB）、广义标签多伯努利（GLMB）、δ-GLMB和边缘δ-GLMB（M8-GLMB）等滤波器。这些滤波器是目标跟踪领域的新技术，为目标跟踪提供了全新的思路和有效的解决途径。在系统介绍上述滤波器后，详细介绍了它们的扩展和热点应用，包括机动目标跟踪、多普勒雷达目标跟踪、弱小目标检测前跟踪、非标准量测目标跟踪、分布式多传感器目标跟踪等。因而，《随机有限集目标跟踪》具有条理清晰、内容系统全面、紧贴热点前沿的特点，非常适用于相关领域初学者、研究生与工程技术人员。鉴于作者的学习经历，建议读者可先阅览拙作，再学习Mahler原著或范红旗译著，这样相得益彰，学习效率可能会更高些。

暂缺《随机有限集目标跟踪》作者简介

第1章 概论
1．1 目标跟踪与随机有限集基本概念
1．2 目标跟踪研究现状
1．2．1 单目标跟踪
1．2．2 经典多目标跟踪
1．2．3 基于随机有限集的多目标跟踪
1．3 章节安排与内容组织
第2章 单目标跟踪算法
2．1 引言
2．2 贝叶斯递归
2．3 共轭先验
2．4 卡尔曼滤波
2．5 扩展卡尔曼滤波
2．6 不敏卡尔曼滤波
2．7 容积卡尔曼滤波
2．8 高斯和滤波
2．9 粒子滤波
2．10 小结
第3章 随机有限集基础
3．1 引言
3．2 随机有限集统计
3．2．1 随机有限集及其统计描述符
3．2．2 随机有限集的强度和势
3．3 随机有限集的主要类别
3．3．1 泊松RFS
3．3．2 独立同分布群RFS
3．3．3 伯努利RFS
3．3．4 多伯努利RFS
3．3．5 标签RFS
3．3．6 标签泊松RFS
3．3．7 标签独立同分布群RFS
3．3．8 标签多伯努利RFS
3．3．9 广义标签多伯努利RFS
3．3．10 δ-广义标签多伯努利RFS
3．4 多目标系统的随机有限集描述
3．4．1 多目标运动模型与多目标转移内核
3．4．2 多目标量测模型与多目标量测似然
3．5 多目标贝叶斯递归
3．6 多目标形式化建模范式
3．7 粒子多目标滤波器
3．7．1 粒子多目标滤波器预测
3．7．2 粒子多目标滤波器更新
3．8 多目标跟踪性能度量
3．8．1 豪斯多夫度量
3．8．2 最优质量传递度量
3．8．3 最优子模式分配度量
3．8．4 并入标签误差的OSPA度量
3．9 小结
……
第4章 概率假设密度滤波器
第5章 带势概率假设密度滤波器
第6章 多伯努利滤波器
第7章 标签随机集滤波器
第8章 机动目标跟踪
第9章 多普勒雷达目标跟踪
第10章 弱小目标检测前跟踪
第11章 非标准量测目标跟踪
第12章 分布式多传感器目标跟踪
附录
缩略词表
符号列表
参考文献