I
Indice
Introduzione
Pag 1Capitolo 1
Stima ricorsiva Bayesiana
1.1 Basi di filtraggio Bayesiano Pag 4 1.2 Filtro di Kalman Pag 7 1.3 Particle Filter Pag 10 1.3.1 Algoritmo Sequential Importance Sampling (SIS) Pag 10 1.3.2 Resampling Pag 14
Capitolo 2
Tracking per bersagli in manovra
2.1 Interacting Multiple Model (IMM) Pag 17 2.1.1 Modello dati per algoritmo IMM Pag 18 2.2 Interacting Multiple Model-Particle Filter (IMM-PF) Pag 21 2.2.1 Multiple Model Auxiliary SPF Pag 22
Capitolo 3
Target Tracking con clutter
3.1 Tracking di un singolo target nel clutter Pag 28 3.2 Algoritmi Bayesiani Subottimi Probabilistic Data Association (PDA) Pag 30
II
3.2.1 Stima del vettore di Stato Pag 32 3.2.2 Algoritmo PDA Pag 35 3.2.3 Parametric PDA e Non-Parametric PDA Pag 37 3.3 Modello del Clutter Pag 38
Capitolo 4
Bersagli radar in manovra con clutter
4.1 Singolo bersaglio in movimento con clutter Pag 41 4.2 Multiple Model Probabilistic Data Association (MMPDA) Pag 43 4.2.1 Combinazione IMM con PDAF Pag 45 4.3 IMM-PDA Auxiliary Boostrap Filter Pag 49
Capitolo 5
Casi di studio
5.1 Descrizione scenario Move-Stop-Move Pag 54 5.1.1Generazione delle false misure Pag 56 5.2 Move-Stop-Move Pag 58 5.2.1 Risultati e simulazioni Pag 61 5.3 Disadattamento Pag 75 5.3.1 Risultati e simulazioni Pag 78 5.4 Scenario con 7 Modelli Pag 88 5.4.1 Risultati e simulazioni Pag 90
