多源信息融合

內(nèi)容概要

　　本書(shū)主要包括多源信息融合的基本概念以及多源信息融合理論賴以發(fā)展的基礎(chǔ)理論，如統(tǒng)計(jì)推斷與估計(jì)理論基礎(chǔ)、智能計(jì)算與識(shí)別理論基礎(chǔ)等； 還包括目標(biāo)跟蹤理論、檢測(cè)融合、估計(jì)融合、數(shù)據(jù)關(guān)聯(lián)、異步信息融合和異類(lèi)信息融合； 也包括圖像融合特別是遙感圖像融合、智能交通中的信息融合，以及態(tài)勢(shì)評(píng)估與威脅估計(jì)等內(nèi)容。本書(shū)理論體系完整，材料取舍適當(dāng)，適合從事多源信息融合理論研究和工程應(yīng)用的專(zhuān)業(yè)技術(shù)人員參考，也可以作為相關(guān)專(zhuān)業(yè)大學(xué)本科高年級(jí)學(xué)生和研究生，特別是博士研究生的參考讀物。

書(shū)籍目錄

第1章　緒論1.1　多源信息融合的一般概念與定義1.1.1　定義1.1.2　多源信息融合的優(yōu)勢(shì)1.1.3　應(yīng)用領(lǐng)域1.2　信息融合系統(tǒng)的模型和結(jié)構(gòu)1.2.1　功能模型1.2.2　數(shù)據(jù)融合的級(jí)別1.2.3　通用處理結(jié)構(gòu)1.3　多源信息融合的主要技術(shù)和方法1.4　信息融合要解決的幾個(gè)關(guān)鍵問(wèn)題1.5　發(fā)展起源、現(xiàn)狀與未來(lái)參考文獻(xiàn)第2章　統(tǒng)計(jì)推斷與估計(jì)理論基礎(chǔ)2.1　點(diǎn)估計(jì)理論基礎(chǔ)2.1.1　一般概念2.1.2　Bayes點(diǎn)估計(jì)理論2.1.3　BLUE估計(jì)2.1.4　WLS估計(jì)2.1.5　ML估計(jì)2.1.6　主成分估計(jì)2.1.7　RLS估計(jì)與LMS估計(jì)2.2　期望極大化（EM）方法2.2.1　概述2.2.2　EM算法描述2.2.3　混合Gauss參數(shù)估計(jì)的EM算法實(shí)例2.3　線性動(dòng)態(tài)系統(tǒng)的濾波理論與算法2.3.1　離散時(shí)間線性系統(tǒng)狀態(tài)估計(jì)問(wèn)題的一般描述2.3.2　基本Kalman濾波器2.3.3　信息濾波器2.3.4　噪聲相關(guān)的Kalman濾波器2.4　非線性動(dòng)態(tài)系統(tǒng)的濾波理論與算法2.4.1　擴(kuò)展Kalman濾波器（EKF）2.4.2　UKF濾波2.4.3　Bayes濾波2.5　基于隨機(jī)采樣的過(guò)程估計(jì)理論與算法2.5.1　傳統(tǒng)Bayes估計(jì)面臨的挑戰(zhàn)與解決的新思路2.5.2　Monte Carlo仿真的隨機(jī)采樣2.5.3　Markov chain Monte Carlo采樣2.5.4　粒子濾波的一般方法2.6　混合系統(tǒng)狀態(tài)估計(jì)理論2.6.1　一般描述2.6.2　多模型方法簡(jiǎn)述2.6.3　定結(jié)構(gòu)多模型估計(jì)2.6.4　交互式多模型算法2.6.5　變結(jié)構(gòu)多模型（VSMM）算法概述2.7　小結(jié)參考文獻(xiàn)第3章　智能計(jì)算與識(shí)別理論基礎(chǔ)3.1　概述3.1.1　模式識(shí)別的一般概念3.1.2　智能學(xué)習(xí)與統(tǒng)計(jì)模式識(shí)別3.2　粗糙集理論基礎(chǔ)3.2.1　信息系統(tǒng)的一般概念3.2.2　決策系統(tǒng)的不可分辨性3.2.3　集合近似3.2.4　屬性約簡(jiǎn)3.2.5　粗糙隸屬度3.3　證據(jù)理論基礎(chǔ)3.3.1　概述3.3.2　mass函數(shù)、信任測(cè)度與似然測(cè)度3.3.3　Dempster?Shafer合成公式3.3.4　證據(jù)推理3.4　隨機(jī)集理論基礎(chǔ)3.4.1　一般概念3.4.2　概率模型3.4.3　隨機(jī)集的mass函數(shù)模型3.5　統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)基礎(chǔ)3.5.1　統(tǒng)計(jì)學(xué)習(xí)理論的一般概念3.5.2　學(xué)習(xí)機(jī)的VC維與風(fēng)險(xiǎn)界3.5.3　線性支持向量機(jī)3.5.4　非線性支持向量機(jī)3.5.5　用于孤立點(diǎn)發(fā)現(xiàn)的One?class SVM算法3.5.6　最小二乘支持向量機(jī)3.5.7　模糊支持向量機(jī)3.5.8　小波支持向量機(jī)3.5.9　核主成分分析3.6　Bayes網(wǎng)絡(luò)基礎(chǔ)3.6.1　Bayes網(wǎng)絡(luò)的一般概念3.6.2　獨(dú)立性假設(shè)3.6.3　一致性概率3.6.4　Bayes網(wǎng)絡(luò)推斷3.7　小結(jié)參考文獻(xiàn)第4章　目標(biāo)跟蹤4.1　基本概念與原理4.2　跟蹤門(mén)4.2.1　濾波殘差4.2.2　矩形跟蹤門(mén)4.2.3　橢球跟蹤門(mén)4.2.4　其他跟蹤門(mén)4.3　目標(biāo)動(dòng)態(tài)模型4.3.1　機(jī)動(dòng)目標(biāo)跟蹤的數(shù)學(xué)模型4.3.2　非機(jī)動(dòng)目標(biāo)動(dòng)態(tài)模型4.3.3　坐標(biāo)不耦合的目標(biāo)機(jī)動(dòng)模型4.3.4　二維水平運(yùn)動(dòng)模型4.3.5　三維模型4.4　量測(cè)模型4.4.1　傳感器坐標(biāo)模型4.4.2　在各種坐標(biāo)系中的跟蹤4.4.3　混合坐標(biāo)系的線性化模型4.4.4　笛卡兒坐標(biāo)系下的模型4.5　雷達(dá)量測(cè)轉(zhuǎn)換4.5.1　二維去偏量測(cè)轉(zhuǎn)換4.5.2　三維去偏量測(cè)轉(zhuǎn)換4.5.3　無(wú)偏量測(cè)轉(zhuǎn)換4.5.4　修正的無(wú)偏量測(cè)轉(zhuǎn)換4.6　基于雷達(dá)量測(cè)和BLUE準(zhǔn)則的目標(biāo)跟蹤4.6.1　基于BLUE準(zhǔn)則的二維量測(cè)轉(zhuǎn)換4.6.2　基于BLUE準(zhǔn)則的三維量測(cè)轉(zhuǎn)換4.7　帶Doppler量測(cè)的雷達(dá)目標(biāo)跟蹤4.7.1　極坐標(biāo)系中帶Doppler量測(cè)的雷達(dá)目標(biāo)跟蹤4.7.2　球坐標(biāo)系中帶Doppler量測(cè)的雷達(dá)目標(biāo)跟蹤4.8　時(shí)間與空間配準(zhǔn)4.8.1　問(wèn)題描述4.8.2　時(shí)間配準(zhǔn)算法4.8.3　常用坐標(biāo)系4.8.4　坐標(biāo)轉(zhuǎn)換4.8.5　空間配準(zhǔn)算法概述4.8.6　二維空間配準(zhǔn)算法4.8.7　精確極大似然空間配準(zhǔn)算法4.8.8　基于地心坐標(biāo)系的空間配準(zhǔn)算法4.9　小結(jié)參考文獻(xiàn)第5章　檢測(cè)融合5.1　概論5.2　并行結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測(cè)融合算法5.2.1　系統(tǒng)描述5.2.2　最優(yōu)分布式檢測(cè)的必要條件5.2.3　傳感器觀測(cè)獨(dú)立條件下的最優(yōu)分布式檢測(cè)5.2.4　實(shí)例計(jì)算5.3　串行結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測(cè)融合算法5.3.1　系統(tǒng)描述5.3.2　傳感器觀測(cè)獨(dú)立條件下最優(yōu)分布式檢測(cè)的必要條件5.3.3　傳感器觀測(cè)獨(dú)立條件下的最優(yōu)分布式檢測(cè)5.3.4　實(shí)例計(jì)算5.4　樹(shù)形結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測(cè)融合算法5.4.1　系統(tǒng)描述5.4.2　結(jié)點(diǎn)觀測(cè)獨(dú)立條件下最優(yōu)分布式檢測(cè)的必要條件5.4.3　結(jié)點(diǎn)觀測(cè)獨(dú)立條件下的最優(yōu)分布式檢測(cè)5.4.4　實(shí)例計(jì)算5.5　分布式量化檢測(cè)系統(tǒng)5.5.1　系統(tǒng)描述5.5.2　最優(yōu)分布式量化檢測(cè)的必要條件5.5.3　傳感器觀測(cè)獨(dú)立條件下的最優(yōu)分布式量化檢測(cè)5.5.4　實(shí)例計(jì)算5.6　分布式N?P檢測(cè)融合系統(tǒng)5.6.1　最優(yōu)分布式量化檢測(cè)的必要條件5.6.2　傳感器觀測(cè)獨(dú)立條件下的最優(yōu)分布式檢測(cè)5.6.3　傳感器觀測(cè)相關(guān)條件下的次優(yōu)分布式檢測(cè)5.6.4　分布式硬決策N?P檢測(cè)融合系統(tǒng)5.6.5　實(shí)例計(jì)算5.7　小結(jié)參考文獻(xiàn)第6章　估計(jì)融合6.1　估計(jì)融合系統(tǒng)結(jié)構(gòu)6.2　集中式融合系統(tǒng)6.2.1　并行濾波6.2.2　序貫濾波6.2.3　數(shù)據(jù)壓縮濾波6.3　分布式融合系統(tǒng)6.3.1　分布式融合結(jié)構(gòu)6.3.2　航跡融合中各傳感器局部估計(jì)誤差相關(guān)的原因6.3.3　簡(jiǎn)單凸組合融合算法6.3.4　Bar Shalom?Campo融合算法6.3.5　不帶反饋的最優(yōu)分布式估計(jì)融合6.3.6　帶反饋的最優(yōu)分布式估計(jì)融合6.3.7　最大后驗(yàn)概率狀態(tài)估計(jì)融合6.3.8　最優(yōu)的集中式估計(jì)的重構(gòu)6.4　協(xié)方差交叉法6.4.1　問(wèn)題描述6.4.2　相關(guān)程度已知的相關(guān)估計(jì)量最優(yōu)融合6.4.3　相關(guān)程度未知的相關(guān)估計(jì)量最優(yōu)融合6.5　聯(lián)邦濾波器6.5.1　問(wèn)題描述6.5.2　方差上界技術(shù)6.5.3　聯(lián)邦濾波器的一般結(jié)構(gòu)6.5.4　聯(lián)邦濾波器的工作流程6.5.5　聯(lián)邦濾波器的最優(yōu)性證明6.5.6　聯(lián)邦濾波器的四種結(jié)構(gòu)6.5.7　聯(lián)邦濾波器四種結(jié)構(gòu)的比較6.5.8　聯(lián)邦濾波器的特點(diǎn)6.5.9　聯(lián)邦濾波器的兩種簡(jiǎn)化形式6.6　最優(yōu)線性估計(jì)融合與統(tǒng)一融合規(guī)則6.6.1　問(wèn)題描述6.6.2　統(tǒng)一線性數(shù)據(jù)模型6.6.3　對(duì)于線性數(shù)據(jù)模型的統(tǒng)一最優(yōu)融合規(guī)則6.6.4　一般的最優(yōu)的線性融合規(guī)則6.7　小結(jié)參考文獻(xiàn)第7章　數(shù)據(jù)關(guān)聯(lián)第8章　異步融合第9章　圖像融合第10章　異類(lèi)融合第11章　智能交通與信息融合第12章　態(tài)勢(shì)評(píng)估和威脅估計(jì)

編輯推薦

　　《多源信息融合》理論體系完整，材料取舍適當(dāng)，適合從事多源信息融合理論研究和工程應(yīng)用的專(zhuān)業(yè)技術(shù)人員參考，也可以作為相關(guān)專(zhuān)業(yè)大學(xué)本科高年級(jí)學(xué)生和研究生，特別是博士研究生的參考讀物。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    多源信息融合 PDF格式下載

---