全国高等学校自动化专业系列教材：多源信息融合理论及应用
目 录内容简介
第1章 绪论
1.1 多源信息融合的一般概念
1.1.1 多源信息融合的提出及定义
1.1.2 多源信息融合的优势
1.2 多源信息融合的功能模型
1.2.1 经典的功能模型
1.2.2 其他功能模型
1.3 多源信息融合的系统结构
1.3.1 集中式结构
1.3.2 分布式结构
查看完整
1.1 多源信息融合的一般概念
1.1.1 多源信息融合的提出及定义
1.1.2 多源信息融合的优势
1.2 多源信息融合的功能模型
1.2.1 经典的功能模型
1.2.2 其他功能模型
1.3 多源信息融合的系统结构
1.3.1 集中式结构
1.3.2 分布式结构
查看完整
目 录内容简介
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》是关于多源信息融合理论与应用的一本教材，主要内容包括多源信息融合的基本概念及发展过程、估计理论基础、信息融合数学基础、检测融合、估计融合、目标跟踪、数据关联、目标识别融合、图像融合、组合导航与信息融合、态势估计、威胁估计、信息融合中的性能评估及与教材内容相关的实验等，且每章后面都附有习题，以供学生课后练习和巩固知识。
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》可作为高等院校控制科学与工程各类相关专业的本科生及研究生教材，也可作为信息融合、电子对抗、信息处理及系统工程等相关专业研究人员和高等院校师生学习的参考用书。
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》可作为高等院校控制科学与工程各类相关专业的本科生及研究生教材，也可作为信息融合、电子对抗、信息处理及系统工程等相关专业研究人员和高等院校师生学习的参考用书。
目 录内容简介
第1章 绪论
1.1 多源信息融合的一般概念
1.1.1 多源信息融合的提出及定义
1.1.2 多源信息融合的优势
1.2 多源信息融合的功能模型
1.2.1 经典的功能模型
1.2.2 其他功能模型
1.3 多源信息融合的系统结构
1.3.1 集中式结构
1.3.2 分布式结构
1.3.3 混合式结构
1.4 多源信息融合中的数学方法
1.4.1 估计理论方法
1.4.2 不确定性推理方法
1.4.3 智能计算与模式识别理论
1.5 多源信息融合的发展过程及研究现状
1.6 多源信息融合的应用
1.6.1 民事上的应用
1.6.2 军事上的应用
习题
参考文献
第2章 估计理论
2.1 估计准则
2.1.1 最小二乘估计和加权最小二乘估计
2.1.2 最小方差估计和线性最小方差估计
2.1.3 极大似然估计和极大后验估计
2.2 最优贝叶斯滤波
2.3 线性动态系统状态滤波
2.3.1 卡尔曼滤波器
2.3.2 信息滤波器
2.4 非线性动态系统状态滤波
2.4.1 扩展卡尔曼滤波器
2.4.2 强跟踪滤波器
2.4.3 ut变换和ukf
2.4.4 差分滤波器
2.4.5 粒子滤波器
2.5 混合系统多模型估计
2.5.1 一般描述
2.5.2 多模型估计实现
2.5.3 定结构多模型估计
2.5.4 交互式多模型算法
2.5.5 变结构多模型算法
2.6 期望最大化方法
2.6.1 概述
2.6.2 em算法描述
2.6.3 混合高斯参数估计的em算法实例
习题
参考文献
第3章 不确定性推理理论
3.1 主观贝叶斯方法
3.1.1 贝叶斯条件概率公式
3.1.2 贝叶斯方法在信息融合中的应用
3.1.3 主观贝叶斯方法的优缺点
3.2 d-s证据推理
3.2.1 证据理论的基本概念
3.2.2 证据理论的组合规则
3.2.3 基于证据理论的决策
3.2.4 证据理论的优缺点
3.3 不确定性推理方法之三——dsmt
3.3.1 dsmt的基本概念
3.3.2 dsmt的组合规则
3.3.3 dsmt的优缺点
3.4 主观贝叶斯方法、d-s证据理论和 dsmt的比较
3.5 模糊集合理论
3.5.1 模糊集合与隶属度
3.5.2 模糊聚类
3.6 模糊逻辑
3.7 模糊推理
3.8 模糊积分
3.9 可能性理论
习题
参考文献
第4章 信息融合其他数学基础
4.1 粗糙集理论
4.1.1 基本概念
4.1.2 粗糙集理论在信息融合中的应用
4.2 随机集理论
4.2.1 一般概念
4.2.2 概率模型
4.2.3 随机集的mass函数模型
4.3 灰色系统理论
4.3.1 灰色系统理论的两条基本原理
4.3.2 数据变换技术
4.4 支持向量机理论
4.4.1 最优分类超平面
4.4.2 线性可分的最优分类面
4.4.3 线性不可分的最优分类面
4.4.4 非线性支持向量机
4.5 信息熵理论
4.5.1 有关熵的概念
4.5.2 观测系统的信息融合问题
4.5.3 观测决策融合系统的信息融合问题
4.5.4 融合系统的熵的结构关系
4.6 神经网络
4.6.1 人工神经元模型
4.6.2 神经网络的激活函数
4.6.3 神经网络的结构
4.6.4 神经网络的学习方法
4.7 遗传算法
4.7.1 遗传算法的基本流程
4.7.2 编码方法
4.7.3 适应度函数
4.7.4 选择算子
4.7.5 交叉算子
4.7.6 变异算子
4.8 贝叶斯网络基础
4.8.1 贝叶斯网络的一般概念
4.8.2 独立性假设
4.8.3 一致性概率
4.8.4 贝叶斯网络推断
习题
参考文献
第5章 检测融合
5.1 引言
5.2 假设检验
5.2.1 假设检验问题描述
5.2.2 似然比判决准则
5.3 检测融合结构模型
5.3.1 集中式融合检测结构
5.3.2 分布式融合检测结构
5.4 基于并行结构的分布式检测融合
5.4.1 并行分布式融合检测系统结构
5.4.2 并行分布式最优检测
5.5 基于串行结构的分布式检测融合
5.5.1 串行分布式融合检测系统结构
5.5.2 串行分布式最优检测
5.6 树状分布式检测融合
5.6.1 树状分布式融合检测系统结构
5.6.2 树状分布式最优检测
5.7 反馈网络中的分布式检测融合
5.7.1 反馈并联网络的融合与局部判决规则
5.7.2 系统的性能描述
5.7.3 并联反馈网络应用举例
5.8 分布式恒虚警概率检测
5.8.1 cfar检测
5.8.2 分布式cfar检测
习题
参考文献
第6章 估计融合
6.1 估计融合系统结构
6.2 多传感器系统数学模型
6.2.1 线性系统
6.2.2 非线性系统
6.3 集中式融合系统
6.3.1 并行滤波
6.3.2 序贯滤波
6.4 分布式估计融合
6.4.1 不带反馈信息的分布式估计融合
6.4.2 带反馈信息的分布式融合
6.4.3 全信息估计融合
6.5 基于协方差交集的分布式数据融合
6.5.1 问题描述
6.5.2 相关程度已知的相关估计量最优融合
6.5.3 相关程度未知的相关估计量最优融合
6.6 混合式估计融合
6.6.1 顺序估计
6.6.2 加权估计
6.7 多级式估计融合
6.7.1 不带反馈信息的多级式估计融合
6.7.2 带反馈信息的多级式估计融合
6.8 联邦滤波器
6.8.1 问题描述
6.8.2 方差上界技术
6.8.3 联邦滤波器的一般结构
6.8.4 联邦滤波器的工作流程
6.8.5 联邦滤波器的最优性证明
6.9 异步估计融合
6.9.1 系统方程描述
6.9.2 集中式异步估计融合
6.9.3 分布式异步估计融合
习题
参考文献
第7章 识别融合
7.1 目标识别融合概述
7.2 基于模糊集合理论的目标识别融合技术
7.2.1 基于模糊贴近和不确定理论的识别方法
7.2.2 基于可能性理论的识别模型
7.2.3 基于多属性模糊加权方法的目标识别
7.2.4 基于模糊综合函数的目标识别
7.3 基于粗糙集理论的目标识别融合理论
7.3.1 关系数据模型
7.3.2 建立知识系统
7.3.3 基于粗糙集理论的权值确定方法
7.3.4 基于决策表的分类规则
7.4 基于d-s证据理论的目标识别融合技术
7.4.1 互不相容数据结构的递归目标识别融合
7.4.2 相容数据结构的递归目标识别空间融合
7.5 基于灰色系统理论的目标识别融合技术
7.5.1 灰关联分析识别融合算法［12］
7.5.2 基于d-s推理的灰关联分析融合方法
7.6 基于极大后验概率理论的目标识别融合技术
7.7 基于 dsmt理论的目标识别融合技术
7.7.1 dsmt的融合过程
7.7.2 递归目标识别融合
7.8 基于属性测度理论的目标识别融合技术
7.8.1 属性测度基本理论
7.8.2 已知指标分类标准的属性模式识别模型
7.8.3 非有序分割类的属性测度模型
7.8.4 属性测度与d-s证据理论相结合的融合识别方法
习题
参考文献
第8章 图像融合
8.1 图像融合概述
8.1.1 图像融合的概念
8.1.2 图像融合的发展
8.1.3 图像融合的应用
8.2 图像融合的分类
8.2.1 像素级图像融合
8.2.2 特征级图像融合
8.2.3 决策级图像融合
8.3 图像配准
8.3.1 配准的基本概念
8.3.2 配准需要解决的问题
8.3.3 配准算法
8.3.4 变换模型及配准参数估计方法
8.3.5 图像的重采样和变换
8.4 图像融合算法
8.4.1 基于贝叶斯方法的图像融合
8.4.2 基于统计量测优化的图像融合
8.4.3 基于ica的图像融合
8.4.4 基于小波变换的图像融合
8.5 图像融合的应用
8.5.1 遥感图像融合
8.5.2 生物识别技术
习题
参考文献
第9章 时间与空间对准
9.1 问题描述
9.2 时间对准
9.2.1 时间同步技术
9.2.2 时间配准技术
9.3 坐标变换
9.3.1 常用坐标系
9.3.2 坐标系的选择
9.3.3 坐标转换
9.4 空间配准算法
9.5 量纲对准
习题
参考文献
第10章 目标跟踪
10.1 目标跟踪的基本概念和原理
10.1.1 跟踪门的形成与选择
10.1.2 数据关联与跟踪维持
10.1.3 航迹起始与终止
10.1.4 漏报与虚警
10.2 跟踪门
10.2.1 环形跟踪门
10.2.2 椭圆（球）形跟踪门
10.2.3 矩形跟踪门
10.2.4 扇形跟踪门
10.3 航迹起始
10.3.1 航迹起始算法
10.3.2 航迹起始中的有关问题讨论
10.4 目标跟踪模型
10.4.1 运动模型
10.4.2 量测模型
10.5 目标跟踪算法
10.5.1 基于随机有限集的多目标跟踪
10.5.2 基于imm的机动多目标跟踪
10.5.3 基于期望极大化算法的机动目标跟踪
10.5.4 基于模糊推理的目标跟踪技术
10.6 航迹终止与航迹管理
10.6.1 多目标跟踪终结理论
10.6.2 航迹管理
10.6.3 小结
习题
参考文献
第11章 数据关联
11.1 单目标量测——航迹关联算法
11.1.1 最近邻方法
11.1.2 概率数据关联
11.1.3 交互式多模型概率数据关联
11.1.4 c-immpda算法
11.1.5 综合扩展概率数据关联算法
11.2 多目标量测-航迹关联算法
11.2.1 联合概率数据关联
11.2.2 多假设法
11.2.3 概率多假设法
11.2.4 多维分配数据关联算法
11.2.5 全局最近邻数据关联算法
11.2.6 单传感器广义概率数据关联算法
11.2.7 多传感器广义概率数据关联算法
11.2.8 vda算法
11.3 分布式航迹关联
11.3.1 基于统计的分布式航迹关联
11.3.2 基于模糊推理与灰色理论的航迹关联
习题
参考文献
第12章 组合导航与信息融合
12.1 导航系统概述
12.1.1 惯性导航系统
12.1.2 全球卫星导航系统
12.1.3 景象匹配导航系统
12.1.4 其他导航系统
12.1.5 组合导航系统
12.2 车载gps/ins/ec组合导航
12.2.1 系统硬件软件结构
12.2.2 组合导航估计融合模型
12.2.3 实验结果
12.3 亚轨道飞行器gps/ins/cns组合导航
12.3.1 亚轨道飞行器概述
12.3.2 亚轨道飞行器飞行特性分析
12.3.3 黑障问题
12.3.4 导航系统方案设计
12.3.5 融合结构设计
12.3.6 仿真分析
12.4 无人机ins/smns组合导航
12.4.1 ins/smns组合模式
12.4.2 紧耦合ins/smns导航特性
12.4.3 实验结果与分析
习题
参考文献
第13章 态势评估与威胁估计
13.1 态势评估的概念
13.2 态势评估的实现
13.2.1 态势预测
13.2.2 态势关联
13.2.3 态势评估
13.3 态势评估方法
13.3.1 基于模糊聚类的态势评估方法
13.3.2 基于贝叶斯网络的态势评估
13.3.3 基于马尔科夫模型的态势评估
13.3.4 基于联合模糊逻辑和贝叶斯网络的态势评估
13.3.5 其他
13.4 威胁估计概念
13.4.1 威胁估计的定义
13.4.2 威胁估计的功能模型
13.4.3 威胁估计的主要内容
13.5 威胁估计中的知识库
13.5.1 系统的领域知识
13.5.2 系统的知识表示
13.5.3 系统中的非精确推理
13.5.4 系统知识库的建立
13.6 基于层次分析法的威胁估计
13.6.1 威胁等级的评判步骤
13.6.2 影响目标威胁等级的因素及评判函数的建立
13.6.3 各个因子加权系数的确定
13.6.4 综合评判结果确定
13.7 基于多因子综合加权的威胁估计
13.7.1 多因子综合加权法基本原理
13.7.2 多因子综合加权法应用
习题
参考文献
第14章 信息融合中的性能评估
14.1 性能评估指标体系
14.1.1 指标体系特点及选取原则
14.1.2 指标类型
14.1.3 剧情设定
14.1.4 评估指标
14.2 信息融合性能评估的方法
14.2.1 信息融合性能评估的解析法
14.2.2 信息融合性能评估的monte carlo 方法
14.2.3 信息融合性能评估的半实物仿真方法
14.2.4 信息融合性能评估的试验验证法
14.3 性能评估举例
14.3.1 跟踪系统性能评估及指标体系
14.3.2 图像融合技术的性能评估
14.3.3 面向效能度量（moe）的指标体系
14.4 其他性能评估举例
14.4.1 基于解析法的雷达与红外传感器航迹关联性能评估
14.4.2 基于解析法的航迹起始性能评估
14.4.3 基于monte carlo 仿真的雷达组网高度估计性能评估
习题
参考文献
第15章 传感器管理
15.1 信息融合中的传感器管理
15.2 传感器管理概述
15.2.1 传感器管理概念
15.2.2 传感器管理的内容
15.2.3 常用传感器及其可管理的参数和模式
15.3 传感器管理的系统结构与功能模型
15.3.1 传感器管理的系统结构
15.3.2 传感器管理的功能模型
15.4 传感器管理算法与性能指标体系
15.4.1 传感器管理算法简介
15.4.2 传感器管理性能指标体系
15.5 工作环境受限的机载多传感器管理
15.5.1 状态变量具有约束条件的传感器管理最优决策模型
15.5.2 一种战场环境下的主/被动式传感器管理方案与算法
15.6 基于模糊推理的多因素单平台传感器管理算法
15.6.1 考虑目标多因素的传感器管理
15.6.2 基于模糊推理的传感器管理
15.6.3 仿真研究
15.7 基于联合信息增量的多平台传感器网络管理
15.7.1 多传感器多目标跟踪中的联合信息增量
15.7.2 基于联合信息增量的集中式网络级传感器管理算法
15.7.3 仿真研究
习题
参考文献
^ 收 起
1.1 多源信息融合的一般概念
1.1.1 多源信息融合的提出及定义
1.1.2 多源信息融合的优势
1.2 多源信息融合的功能模型
1.2.1 经典的功能模型
1.2.2 其他功能模型
1.3 多源信息融合的系统结构
1.3.1 集中式结构
1.3.2 分布式结构
1.3.3 混合式结构
1.4 多源信息融合中的数学方法
1.4.1 估计理论方法
1.4.2 不确定性推理方法
1.4.3 智能计算与模式识别理论
1.5 多源信息融合的发展过程及研究现状
1.6 多源信息融合的应用
1.6.1 民事上的应用
1.6.2 军事上的应用
习题
参考文献
第2章 估计理论
2.1 估计准则
2.1.1 最小二乘估计和加权最小二乘估计
2.1.2 最小方差估计和线性最小方差估计
2.1.3 极大似然估计和极大后验估计
2.2 最优贝叶斯滤波
2.3 线性动态系统状态滤波
2.3.1 卡尔曼滤波器
2.3.2 信息滤波器
2.4 非线性动态系统状态滤波
2.4.1 扩展卡尔曼滤波器
2.4.2 强跟踪滤波器
2.4.3 ut变换和ukf
2.4.4 差分滤波器
2.4.5 粒子滤波器
2.5 混合系统多模型估计
2.5.1 一般描述
2.5.2 多模型估计实现
2.5.3 定结构多模型估计
2.5.4 交互式多模型算法
2.5.5 变结构多模型算法
2.6 期望最大化方法
2.6.1 概述
2.6.2 em算法描述
2.6.3 混合高斯参数估计的em算法实例
习题
参考文献
第3章 不确定性推理理论
3.1 主观贝叶斯方法
3.1.1 贝叶斯条件概率公式
3.1.2 贝叶斯方法在信息融合中的应用
3.1.3 主观贝叶斯方法的优缺点
3.2 d-s证据推理
3.2.1 证据理论的基本概念
3.2.2 证据理论的组合规则
3.2.3 基于证据理论的决策
3.2.4 证据理论的优缺点
3.3 不确定性推理方法之三——dsmt
3.3.1 dsmt的基本概念
3.3.2 dsmt的组合规则
3.3.3 dsmt的优缺点
3.4 主观贝叶斯方法、d-s证据理论和 dsmt的比较
3.5 模糊集合理论
3.5.1 模糊集合与隶属度
3.5.2 模糊聚类
3.6 模糊逻辑
3.7 模糊推理
3.8 模糊积分
3.9 可能性理论
习题
参考文献
第4章 信息融合其他数学基础
4.1 粗糙集理论
4.1.1 基本概念
4.1.2 粗糙集理论在信息融合中的应用
4.2 随机集理论
4.2.1 一般概念
4.2.2 概率模型
4.2.3 随机集的mass函数模型
4.3 灰色系统理论
4.3.1 灰色系统理论的两条基本原理
4.3.2 数据变换技术
4.4 支持向量机理论
4.4.1 最优分类超平面
4.4.2 线性可分的最优分类面
4.4.3 线性不可分的最优分类面
4.4.4 非线性支持向量机
4.5 信息熵理论
4.5.1 有关熵的概念
4.5.2 观测系统的信息融合问题
4.5.3 观测决策融合系统的信息融合问题
4.5.4 融合系统的熵的结构关系
4.6 神经网络
4.6.1 人工神经元模型
4.6.2 神经网络的激活函数
4.6.3 神经网络的结构
4.6.4 神经网络的学习方法
4.7 遗传算法
4.7.1 遗传算法的基本流程
4.7.2 编码方法
4.7.3 适应度函数
4.7.4 选择算子
4.7.5 交叉算子
4.7.6 变异算子
4.8 贝叶斯网络基础
4.8.1 贝叶斯网络的一般概念
4.8.2 独立性假设
4.8.3 一致性概率
4.8.4 贝叶斯网络推断
习题
参考文献
第5章 检测融合
5.1 引言
5.2 假设检验
5.2.1 假设检验问题描述
5.2.2 似然比判决准则
5.3 检测融合结构模型
5.3.1 集中式融合检测结构
5.3.2 分布式融合检测结构
5.4 基于并行结构的分布式检测融合
5.4.1 并行分布式融合检测系统结构
5.4.2 并行分布式最优检测
5.5 基于串行结构的分布式检测融合
5.5.1 串行分布式融合检测系统结构
5.5.2 串行分布式最优检测
5.6 树状分布式检测融合
5.6.1 树状分布式融合检测系统结构
5.6.2 树状分布式最优检测
5.7 反馈网络中的分布式检测融合
5.7.1 反馈并联网络的融合与局部判决规则
5.7.2 系统的性能描述
5.7.3 并联反馈网络应用举例
5.8 分布式恒虚警概率检测
5.8.1 cfar检测
5.8.2 分布式cfar检测
习题
参考文献
第6章 估计融合
6.1 估计融合系统结构
6.2 多传感器系统数学模型
6.2.1 线性系统
6.2.2 非线性系统
6.3 集中式融合系统
6.3.1 并行滤波
6.3.2 序贯滤波
6.4 分布式估计融合
6.4.1 不带反馈信息的分布式估计融合
6.4.2 带反馈信息的分布式融合
6.4.3 全信息估计融合
6.5 基于协方差交集的分布式数据融合
6.5.1 问题描述
6.5.2 相关程度已知的相关估计量最优融合
6.5.3 相关程度未知的相关估计量最优融合
6.6 混合式估计融合
6.6.1 顺序估计
6.6.2 加权估计
6.7 多级式估计融合
6.7.1 不带反馈信息的多级式估计融合
6.7.2 带反馈信息的多级式估计融合
6.8 联邦滤波器
6.8.1 问题描述
6.8.2 方差上界技术
6.8.3 联邦滤波器的一般结构
6.8.4 联邦滤波器的工作流程
6.8.5 联邦滤波器的最优性证明
6.9 异步估计融合
6.9.1 系统方程描述
6.9.2 集中式异步估计融合
6.9.3 分布式异步估计融合
习题
参考文献
第7章 识别融合
7.1 目标识别融合概述
7.2 基于模糊集合理论的目标识别融合技术
7.2.1 基于模糊贴近和不确定理论的识别方法
7.2.2 基于可能性理论的识别模型
7.2.3 基于多属性模糊加权方法的目标识别
7.2.4 基于模糊综合函数的目标识别
7.3 基于粗糙集理论的目标识别融合理论
7.3.1 关系数据模型
7.3.2 建立知识系统
7.3.3 基于粗糙集理论的权值确定方法
7.3.4 基于决策表的分类规则
7.4 基于d-s证据理论的目标识别融合技术
7.4.1 互不相容数据结构的递归目标识别融合
7.4.2 相容数据结构的递归目标识别空间融合
7.5 基于灰色系统理论的目标识别融合技术
7.5.1 灰关联分析识别融合算法［12］
7.5.2 基于d-s推理的灰关联分析融合方法
7.6 基于极大后验概率理论的目标识别融合技术
7.7 基于 dsmt理论的目标识别融合技术
7.7.1 dsmt的融合过程
7.7.2 递归目标识别融合
7.8 基于属性测度理论的目标识别融合技术
7.8.1 属性测度基本理论
7.8.2 已知指标分类标准的属性模式识别模型
7.8.3 非有序分割类的属性测度模型
7.8.4 属性测度与d-s证据理论相结合的融合识别方法
习题
参考文献
第8章 图像融合
8.1 图像融合概述
8.1.1 图像融合的概念
8.1.2 图像融合的发展
8.1.3 图像融合的应用
8.2 图像融合的分类
8.2.1 像素级图像融合
8.2.2 特征级图像融合
8.2.3 决策级图像融合
8.3 图像配准
8.3.1 配准的基本概念
8.3.2 配准需要解决的问题
8.3.3 配准算法
8.3.4 变换模型及配准参数估计方法
8.3.5 图像的重采样和变换
8.4 图像融合算法
8.4.1 基于贝叶斯方法的图像融合
8.4.2 基于统计量测优化的图像融合
8.4.3 基于ica的图像融合
8.4.4 基于小波变换的图像融合
8.5 图像融合的应用
8.5.1 遥感图像融合
8.5.2 生物识别技术
习题
参考文献
第9章 时间与空间对准
9.1 问题描述
9.2 时间对准
9.2.1 时间同步技术
9.2.2 时间配准技术
9.3 坐标变换
9.3.1 常用坐标系
9.3.2 坐标系的选择
9.3.3 坐标转换
9.4 空间配准算法
9.5 量纲对准
习题
参考文献
第10章 目标跟踪
10.1 目标跟踪的基本概念和原理
10.1.1 跟踪门的形成与选择
10.1.2 数据关联与跟踪维持
10.1.3 航迹起始与终止
10.1.4 漏报与虚警
10.2 跟踪门
10.2.1 环形跟踪门
10.2.2 椭圆（球）形跟踪门
10.2.3 矩形跟踪门
10.2.4 扇形跟踪门
10.3 航迹起始
10.3.1 航迹起始算法
10.3.2 航迹起始中的有关问题讨论
10.4 目标跟踪模型
10.4.1 运动模型
10.4.2 量测模型
10.5 目标跟踪算法
10.5.1 基于随机有限集的多目标跟踪
10.5.2 基于imm的机动多目标跟踪
10.5.3 基于期望极大化算法的机动目标跟踪
10.5.4 基于模糊推理的目标跟踪技术
10.6 航迹终止与航迹管理
10.6.1 多目标跟踪终结理论
10.6.2 航迹管理
10.6.3 小结
习题
参考文献
第11章 数据关联
11.1 单目标量测——航迹关联算法
11.1.1 最近邻方法
11.1.2 概率数据关联
11.1.3 交互式多模型概率数据关联
11.1.4 c-immpda算法
11.1.5 综合扩展概率数据关联算法
11.2 多目标量测-航迹关联算法
11.2.1 联合概率数据关联
11.2.2 多假设法
11.2.3 概率多假设法
11.2.4 多维分配数据关联算法
11.2.5 全局最近邻数据关联算法
11.2.6 单传感器广义概率数据关联算法
11.2.7 多传感器广义概率数据关联算法
11.2.8 vda算法
11.3 分布式航迹关联
11.3.1 基于统计的分布式航迹关联
11.3.2 基于模糊推理与灰色理论的航迹关联
习题
参考文献
第12章 组合导航与信息融合
12.1 导航系统概述
12.1.1 惯性导航系统
12.1.2 全球卫星导航系统
12.1.3 景象匹配导航系统
12.1.4 其他导航系统
12.1.5 组合导航系统
12.2 车载gps/ins/ec组合导航
12.2.1 系统硬件软件结构
12.2.2 组合导航估计融合模型
12.2.3 实验结果
12.3 亚轨道飞行器gps/ins/cns组合导航
12.3.1 亚轨道飞行器概述
12.3.2 亚轨道飞行器飞行特性分析
12.3.3 黑障问题
12.3.4 导航系统方案设计
12.3.5 融合结构设计
12.3.6 仿真分析
12.4 无人机ins/smns组合导航
12.4.1 ins/smns组合模式
12.4.2 紧耦合ins/smns导航特性
12.4.3 实验结果与分析
习题
参考文献
第13章 态势评估与威胁估计
13.1 态势评估的概念
13.2 态势评估的实现
13.2.1 态势预测
13.2.2 态势关联
13.2.3 态势评估
13.3 态势评估方法
13.3.1 基于模糊聚类的态势评估方法
13.3.2 基于贝叶斯网络的态势评估
13.3.3 基于马尔科夫模型的态势评估
13.3.4 基于联合模糊逻辑和贝叶斯网络的态势评估
13.3.5 其他
13.4 威胁估计概念
13.4.1 威胁估计的定义
13.4.2 威胁估计的功能模型
13.4.3 威胁估计的主要内容
13.5 威胁估计中的知识库
13.5.1 系统的领域知识
13.5.2 系统的知识表示
13.5.3 系统中的非精确推理
13.5.4 系统知识库的建立
13.6 基于层次分析法的威胁估计
13.6.1 威胁等级的评判步骤
13.6.2 影响目标威胁等级的因素及评判函数的建立
13.6.3 各个因子加权系数的确定
13.6.4 综合评判结果确定
13.7 基于多因子综合加权的威胁估计
13.7.1 多因子综合加权法基本原理
13.7.2 多因子综合加权法应用
习题
参考文献
第14章 信息融合中的性能评估
14.1 性能评估指标体系
14.1.1 指标体系特点及选取原则
14.1.2 指标类型
14.1.3 剧情设定
14.1.4 评估指标
14.2 信息融合性能评估的方法
14.2.1 信息融合性能评估的解析法
14.2.2 信息融合性能评估的monte carlo 方法
14.2.3 信息融合性能评估的半实物仿真方法
14.2.4 信息融合性能评估的试验验证法
14.3 性能评估举例
14.3.1 跟踪系统性能评估及指标体系
14.3.2 图像融合技术的性能评估
14.3.3 面向效能度量（moe）的指标体系
14.4 其他性能评估举例
14.4.1 基于解析法的雷达与红外传感器航迹关联性能评估
14.4.2 基于解析法的航迹起始性能评估
14.4.3 基于monte carlo 仿真的雷达组网高度估计性能评估
习题
参考文献
第15章 传感器管理
15.1 信息融合中的传感器管理
15.2 传感器管理概述
15.2.1 传感器管理概念
15.2.2 传感器管理的内容
15.2.3 常用传感器及其可管理的参数和模式
15.3 传感器管理的系统结构与功能模型
15.3.1 传感器管理的系统结构
15.3.2 传感器管理的功能模型
15.4 传感器管理算法与性能指标体系
15.4.1 传感器管理算法简介
15.4.2 传感器管理性能指标体系
15.5 工作环境受限的机载多传感器管理
15.5.1 状态变量具有约束条件的传感器管理最优决策模型
15.5.2 一种战场环境下的主/被动式传感器管理方案与算法
15.6 基于模糊推理的多因素单平台传感器管理算法
15.6.1 考虑目标多因素的传感器管理
15.6.2 基于模糊推理的传感器管理
15.6.3 仿真研究
15.7 基于联合信息增量的多平台传感器网络管理
15.7.1 多传感器多目标跟踪中的联合信息增量
15.7.2 基于联合信息增量的集中式网络级传感器管理算法
15.7.3 仿真研究
习题
参考文献
^ 收 起
目 录内容简介
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》是关于多源信息融合理论与应用的一本教材，主要内容包括多源信息融合的基本概念及发展过程、估计理论基础、信息融合数学基础、检测融合、估计融合、目标跟踪、数据关联、目标识别融合、图像融合、组合导航与信息融合、态势估计、威胁估计、信息融合中的性能评估及与教材内容相关的实验等，且每章后面都附有习题，以供学生课后练习和巩固知识。
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》可作为高等院校控制科学与工程各类相关专业的本科生及研究生教材，也可作为信息融合、电子对抗、信息处理及系统工程等相关专业研究人员和高等院校师生学习的参考用书。
《全国高等学校自动化专业系列教材：多源信息融合理论及应用》可作为高等院校控制科学与工程各类相关专业的本科生及研究生教材，也可作为信息融合、电子对抗、信息处理及系统工程等相关专业研究人员和高等院校师生学习的参考用书。
比价列表
公众号、微信群
缺书网微信公众号
扫码进群实时获取购书优惠