1.緒論1.1 問題背景與意義1.2 機動模型1.3 運動狀態估計1.4 機動參數估計1.5 非線性濾波與平滑2. 小方差準則下二維機動參數估計方法2.1 基于狀態擴增法的角速度濾波估計2.1.1 兩類擴增的勻速轉彎模型2.1.2 仿真實驗2.2 基于狀態擴增法的切向法向加速度濾波估計2.2.1 連續時間擴增狀態空間模型2.2.2 離散時間擴增狀態空間模型2.2.3 PEKF算法2.2.4 仿真實驗2.3 基于狀態擴增法的機動參數固定滯后估計2.3.1 AURTSS-d算法2.3.2 仿真實驗2.4 本章小結3. 似然準則下相關量測二維機動參數估計方法3.1 時間相關量測噪聲的狀態估計問題分析§3.2 基于EM的時間相關量測噪聲條件下角速度估計算法§3.2.1 時間相關量測噪聲條件下勻速轉彎機動模型 §3.2.2 高階（五階）容積卡爾曼濾波與平滑§3.2.3 E-step§3.2.4 M-step §3.2.5 降維估計算法§3.2.6 時間相關量測噪聲條件下的角速度估計§3.2.7 仿真實驗 58§3.3 基于EM算法的時間相關噪聲條件下切向法向加速度估計§3.3.1 時間相關量測噪聲條件下切向法向加速度估計模型§3.3.2 E-step§3.3.3 M-step§3.3.4 時間相關量測噪聲條件下切向法向加速度估計算法§3.3.5 仿真實驗§3.4 本章小結4.噪聲異步相關條件下蛇形機動運動狀態與角速度的聯合估計與辨識4.1背景4.2 問題描述4.2.1 基于量測重構的異步相關噪聲解耦策略4.2.2 基于系統重構的角速度解耦策略4.3 基于HCKS-EM的聯合估計與辨識算法4.3.1 E-step4.3.1.1 帶異步相關噪聲的高階容積卡爾曼濾波器和平滑器4.3.1.2 期望函數的計算4.3.2 M-step4.4仿真分析4.5小結5.非高斯噪聲條件下基于 混合熵的非線性狀態估計算法5.1背景5.2問題描述5.3 混合熵準則5.4 統計線性化方法5.5基于 混合熵的魯棒非線性濾波算法5.6基于 混合熵的魯棒非線性平滑算法5.7仿真分析5.8小結6.采用距離變化率量測的二維運動狀態估計方法6.1 采用RR量測的無偏量測轉換濾波算法6.1.1 無偏轉換6.1.2 UCMKF-R算法6.2 采用RR的去相關無偏量測轉換濾波算法6.2.1 去相關無偏量測轉換6.2.2 DUCMKF-R算法 6.3 仿真實驗6.3.1 量測轉換性能評估6.3.2 運動狀態估計的性能評估6.4 本章小結7.采用距離變化率量測的二維機動參數估計方法7.1 采用AIMM-CS-DUCMKF-R算法的切向法向加速度估計7.1.1 偽線性CSTNA模型7.1.2 AIMM-CS-DUCMKF-R算法7.1.3 仿真實驗 967.2 切向法向加速度統計量及近似聯合概率分布7.2.1 切向法向加速度統計量的推導7.2.2 切向法向加速度的聯合經驗分布及GMM擬合7.2.3 切向法向加速度統計量在機動檢測中的應用7.3 基于雙多普勒雷達量測的角速度估計7.3.1 無噪聲條件下速度方向角的計算7.3.2 高斯白噪聲條件下的角速度估計7.3.3 仿真實驗7.4 本章小結8.基于垂直速度機動模型的三維機動參數估計方法8.1 垂直速度機動模型8.1.1 三維運動學原理8.1.2 平面常轉彎機動模型8.1.3 平面變轉彎機動模型8.2 采用距離變化率量測的三維笛卡爾速度計算方法 8.2.1 三維笛卡爾速度的計算原理8.2.2 基于三部多普勒雷達量測的目標速度計算方法8.3 垂直速度機動目標的轉彎率估計8.3.1 恒定轉彎率估計算法8.3.2 時變轉彎率估計算法8.4 仿真實驗8.4.1 仿真實驗一8.4.2 仿真實驗二8.5 本章小結總結參考文獻