本書(shū)是關(guān)于多傳感器多源信息融合理論與應(yīng)用的一本專著，主要匯集了作者近年來(lái)在多源信息融合基礎(chǔ)理論與方法、目標(biāo)狀態(tài)估計(jì)、隨機(jī)集理論等方面的研究成果，同時(shí)也詳細(xì)介紹了信息融合的相關(guān)基本概念、結(jié)構(gòu)和功能模型、主要研究方法。

《多傳感器多源信息融合理論及應(yīng)用》是關(guān)于多傳感器多源信息融合理論與應(yīng)用的一本專著，主要匯集了作者近年來(lái)在多源信息融合基礎(chǔ)理論與方法、目標(biāo)狀態(tài)估計(jì)、隨機(jī)集理論等方面的研究成果，同時(shí)也詳細(xì)介紹了信息融合的相關(guān)基本概念、結(jié)構(gòu)和功能模型、主要研究方法?！抖鄠鞲衅鞫嘣葱畔⑷诤侠碚摷皯?yīng)用》涉及的理論和方法有多源信息融合系統(tǒng)模型、估計(jì)和濾波理論、信息分類方法、分布式信息融合、異步信息融合、多目標(biāo)跟蹤、機(jī)動(dòng)目標(biāo)跟蹤、純方位跟蹤、隨機(jī)集理論等。另外，為了進(jìn)一步說(shuō)明書(shū)中的相關(guān)算法和模型，最后給出了兩個(gè)信息融合方法的應(yīng)用實(shí)例。　《多傳感器多源信息融合理論及應(yīng)用》可作為信息科學(xué)專業(yè)研究生和高等院校相關(guān)教師的參考資料，同時(shí)對(duì)從事多源信息融合理論及應(yīng)用技術(shù)研究、開(kāi)發(fā)和應(yīng)用的科技人員也具有一定的參考價(jià)值。

?

前言

第1章 多傳感器多源信息融合概述

1.1 信息融合的概念及其優(yōu)點(diǎn)

1.1.1 什么是信息融合

1.1.2 多源多傳感器信息融合的優(yōu)勢(shì)

1.2 多源信息融合的模型

1.2.1 功能模型

1.2.2 結(jié)構(gòu)模型

1.2.3 主要的信息融合技術(shù)和方法

1.3 信息融合的研究現(xiàn)狀和存在的問(wèn)題

1.3.1 多源信息融合的研究現(xiàn)狀

1.3.2 多源信息融合存在的主要問(wèn)題

1.4 信息融合技術(shù)的應(yīng)用

1.5 本書(shū)結(jié)構(gòu)

1.6 結(jié)論

參考文獻(xiàn)

第2章 數(shù)學(xué)基礎(chǔ)

2.1 概率論、隨機(jī)過(guò)程與數(shù)理統(tǒng)計(jì)基礎(chǔ)

2.1.1 事件與概率

2.1.2 隨機(jī)變量及其分布

2.1.3 高斯隨機(jī)變量

2.1.4 x2分布隨機(jī)變量

2.1 5多維隨機(jī)向量

2.1.6 全概率公式與貝葉斯公式

2.1.7 隨機(jī)過(guò)程

2.1.8 假設(shè)檢驗(yàn)

2.1.9 Neyma-Pearson定理

2.2 線性代數(shù)、矩陣論與線性系統(tǒng)

2.2.1 矩陣基本概念

2.2.2 特征值與特征向量

2.2.3 矩陣求逆引理

2.2.4 矩陣微積分

2.2.5 線性系統(tǒng)理論

2.3 結(jié)論

參考文獻(xiàn)

第3章 參數(shù)估計(jì)與濾波理論

3.1 參數(shù)估計(jì)基本概念

3.1.1 參數(shù)估計(jì)問(wèn)題的基本描述

3.1.2 參數(shù)估計(jì)模型

3.2 最大似然估計(jì)

3.3 最小二乘估計(jì)

3.3.1 線性最小二乘估計(jì)的批處理算法

3.3.2 線性最小二乘估計(jì)的迭代算法

3.4 最大后驗(yàn)概率估計(jì)

3.5 最小均方誤差估計(jì)

3.5.1 最小均方誤差估計(jì)的一般形式

3.5.2 線性最小均方誤差估計(jì)

3.6 cramer-Rao下限和Fisher信息矩陣

3.7 Kalman濾波

3.7.1 系統(tǒng)模型

3.7.2 算法流程

3.7.3 Kalman濾波的優(yōu)缺點(diǎn)

3.8 擴(kuò)展Kalman濾波

3.8.1 系統(tǒng)模型

3.8.2 算法流程

3.8.3 擴(kuò)展Kalman濾波的優(yōu)缺點(diǎn)

3.9 unscented濾波

3.9.1 unscented變換

3.9.2 unscented濾波算法流程

3.9.3 unscented濾波的優(yōu)缺點(diǎn)

3.10 粒子濾波

3.10.1 蒙特卡羅積分及重要度采樣

3.10.2 粒子濾波

3.11 結(jié)論

參考文獻(xiàn)

第4章 信息類型與傳感器系統(tǒng)

4.1 信息類型概述

4.1.1 信息類型Ⅰ

4.1.2 信息類型Ⅱ

4.2 傳感器系統(tǒng)

4.2.1 傳感器系統(tǒng)概述

4.2.2 傳感系統(tǒng)分類

4.2.3 人體感覺(jué)系統(tǒng)和常用傳感器

4.2.4 傳感系統(tǒng)設(shè)計(jì)相關(guān)問(wèn)題

4.3 結(jié)論

參考文獻(xiàn)

第5章 同步采樣系統(tǒng)的分步式信息融合

5.1 多傳感器系統(tǒng)采樣分析

5.1.1 同步問(wèn)題

5.1.2 異步問(wèn)題

5.2 傳統(tǒng)同步融合算法

5.2.1 系統(tǒng)描述

5.2.2 集中式擴(kuò)維融合

5.2.3 測(cè)量值加權(quán)融合

5.2.4 局部估計(jì)值加權(quán)融合

5.2.5 算法性能分析

5.2.6 小結(jié)

5.3 基于分步式濾波的融合算法

5.3.1 算法描述

5.3.2 SSF算法理論推導(dǎo)

5.3.3 算法精度分析

5.3.4 SSF與CFA計(jì)算量比較

5.3.5 仿真算例

5.4 結(jié)論

參考文獻(xiàn)

第6章 異步采樣系統(tǒng)的信息融合

6.1 異步多傳感器數(shù)據(jù)融合概述

6.2 基于傳輸短延遲的異步數(shù)據(jù)融合

6.3 分步式預(yù)測(cè)融合算法

6.3.1 連續(xù)系統(tǒng)描述

6.3.2 連續(xù)系統(tǒng)離散化

6.3.3 系統(tǒng)采樣描述

6.3.4 分步式預(yù)測(cè)融合算法

6.3.5 算法分析

6.3.6 計(jì)算機(jī)仿真

6.4 基于勻速增量的異步融合算法

6.4.1 系統(tǒng)描述

6.4.2 異步采樣描述

6.4.3 異步采樣數(shù)據(jù)的順序式融合算法流程

6.4.4 計(jì)算機(jī)仿真

6.4.5 小結(jié)

6.5 基于有理數(shù)倍采樣的異步融合

6.5.1 有理數(shù)倍采樣描述

6.5.2 離散狀態(tài)模型

6.5.3 測(cè)量值映射

6.5.4 預(yù)備工作

6.5.5 AFASRNT異步融合算法流程

6.5.6 仿真算例

6.6 基于狀態(tài)轉(zhuǎn)換的順序式異步融合算法

6.6.1 系統(tǒng)描述

6.6.2 采樣過(guò)程描述

6.6.3 基于偽測(cè)量值的異步融合算法

6.6.4 基于狀態(tài)轉(zhuǎn)換的順序式異步融合算法

6.6 5仿真算例

6.6.6 算法性能分析

6.6.7 小結(jié)

6.7 結(jié)論

參考文獻(xiàn)

第7章 多目標(biāo)跟蹤技術(shù)

7.1 引言

7.2 多目標(biāo)跟蹤的主要問(wèn)題

……

第8章 機(jī)動(dòng)目標(biāo)跟蹤

第9章 純方位角定位與跟蹤

第10章 隨機(jī)集理論及其在信息融合中的應(yīng)用

第11章 信息融合技術(shù)的應(yīng)用實(shí)例