第1章
目标关联概述
什么是目标关联 · 雷达/多传感器作用 · 关联与跟踪区别
基础概念
第2章
数学基础（一）
概率论回顾 · 条件概率 · 贝叶斯 · 马尔可夫假设
概率随机过程
第3章
数学基础（二）
线性代数 · 矩阵运算 · 特征值分解 · 状态空间模型
矩阵状态空间
第4章
数学基础（三）
最优化理论 · 最小二乘 · 极大似然 · 信息论基础
优化熵
第5章
数据预处理
坐标变换 · 时间对齐 · 野值剔除与滤波
预处理坐标系
第6章
关联门技术
矩形门 · 椭圆/椭球门 · 概率门 · 自适应门限
门限自适应
第7章
最近邻数据关联 (NNDA)
算法原理 · 距离度量 · 性能与局限性
NNDA最近邻
第8章
全局最近邻 (GNN)
分配问题 · 匈牙利算法 · Munkres实现
GNN匈牙利
第9章
概率数据关联 (PDA)
PDA推导 · 关联概率 · 状态与协方差修正
PDA概率
第10章
联合概率数据关联 (JPDA)
JPDA原理 · 联合事件 · 复杂度分析
JPDA多目标
第11章
多假设跟踪 (MHT)
假设生成与管理 · N-scan剪枝 · 工程实现
MHT假设
第12章
MeMBer / CBMeMBer 滤波
随机有限集 · MeMBer递归 · 势均衡多伯努利
RFSMeMBer
第13章
概率假设密度 (PHD) 滤波
PHD原理 · GM-PHD · SMC-PHD
PHDGM
第14章
标签化多伯努利 (LMB) 滤波
LMB参数化 · 标签管理 · 与GLMB关系
LMB标签
第15章
广义标签化多伯努利 (GLMB)
GLMB理论 · 递推公式 · 实现方法
GLMB广义
第16章
基于图优化的关联方法
二分图匹配 · 网络流 · 最大权独立集
图优化匹配
第17章
基于聚类的关联方法
DBSCAN · 层次聚类 · 谱聚类
聚类DBSCAN
第18章
深度学习关联（一）
端到端关联网络 · 注意力机制
深度学习注意力
第19章
深度学习关联（二）
图神经网络 · 循环神经网络轨迹关联
GNNRNN
第20章
基于强化学习的关联
序列决策 · Q-learning · 策略梯度
强化学习决策
第21章
传感器管理
传感器调度 · 信息驱动 · 协同关联
调度协同
第22章
航迹起始与终结
逻辑法 · Hough变换 · 终结准则
航迹起始
第23章
航迹关联与融合
航迹-航迹关联 · 加权/最近邻 · CI/BCI融合
融合CI
第24章
分布式多传感器关联
分布式架构 · 一致性算法 · 分布式PHD/GLMB
分布式一致性
第25章
群目标关联
群目标建模 · 分裂合并 · 群关联算法
群目标分裂合并
第26章
扩展目标关联
扩展目标模型 · 随机矩阵 · 超曲面 · PHD/GLMB
扩展目标随机矩阵
第27章
性能评估与指标
OSPA · GOSPA · 正确率 · 虚警/漏警
评估OSPA
第28章
工程实践（一）
C++/Python实现 · 实时性优化 · 内存管理
工程优化
第29章
工程实践（二）
MOT Challenge · KITTI · Stone Soup · Tracktor
数据集开源
第30章
前沿与展望
端到端关联 · 大模型应用 · 未来挑战
前沿大模型