多源信息融合

內(nèi)容概要

　　本書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)計推斷與估計理論基礎(chǔ)、智能計算與識別理論基礎(chǔ)等； 還包括目標(biāo)跟蹤理論、檢測融合、估計融合、數(shù)據(jù)關(guān)聯(lián)、異步信息融合和異類信息融合； 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)勢評估與威脅估計等內(nèi)容。本書理論體系完整，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)用的專業(yè)技術(shù)人員參考，也可以作為相關(guān)專業(yè)大學(xué)本科高年級學(xué)生和研究生，特別是博士研究生的參考讀物。

書籍目錄

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關(guān)鍵問題1.5　發(fā)展起源、現(xiàn)狀與未來參考文獻(xiàn)第2章　統(tǒng)計推斷與估計理論基礎(chǔ)2.1　點估計理論基礎(chǔ)2.1.1　一般概念2.1.2　Bayes點估計理論2.1.3　BLUE估計2.1.4　WLS估計2.1.5　ML估計2.1.6　主成分估計2.1.7　RLS估計與LMS估計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)估計的EM算法實例2.3　線性動態(tài)系統(tǒng)的濾波理論與算法2.3.1　離散時間線性系統(tǒng)狀態(tài)估計問題的一般描述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　非線性動態(tài)系統(tǒng)的濾波理論與算法2.4.1　擴展Kalman濾波器（EKF）2.4.2　UKF濾波2.4.3　Bayes濾波2.5　基于隨機采樣的過程估計理論與算法2.5.1　傳統(tǒng)Bayes估計面臨的挑戰(zhàn)與解決的新思路2.5.2　Monte Carlo仿真的隨機采樣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)估計理論2.6.1　一般描述2.6.2　多模型方法簡述2.6.3　定結(jié)構(gòu)多模型估計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　智能計算與識別理論基礎(chǔ)3.1　概述3.1.1　模式識別的一般概念3.1.2　智能學(xué)習(xí)與統(tǒng)計模式識別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)、信任測度與似然測度3.3.3　Dempster?Shafer合成公式3.3.4　證據(jù)推理3.4　隨機集理論基礎(chǔ)3.4.1　一般概念3.4.2　概率模型3.4.3　隨機集的mass函數(shù)模型3.5　統(tǒng)計學(xué)習(xí)理論與支持向量機基礎(chǔ)3.5.1　統(tǒng)計學(xué)習(xí)理論的一般概念3.5.2　學(xué)習(xí)機的VC維與風(fēng)險界3.5.3　線性支持向量機3.5.4　非線性支持向量機3.5.5　用于孤立點發(fā)現(xiàn)的One?class SVM算法3.5.6　最小二乘支持向量機3.5.7　模糊支持向量機3.5.8　小波支持向量機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4.2.1　濾波殘差4.2.2　矩形跟蹤門4.2.3　橢球跟蹤門4.2.4　其他跟蹤門4.3　目標(biāo)動態(tài)模型4.3.1　機動目標(biāo)跟蹤的數(shù)學(xué)模型4.3.2　非機動目標(biāo)動態(tài)模型4.3.3　坐標(biāo)不耦合的目標(biāo)機動模型4.3.4　二維水平運動模型4.3.5　三維模型4.4　量測模型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)量測轉(zhuǎn)換4.5.1　二維去偏量測轉(zhuǎn)換4.5.2　三維去偏量測轉(zhuǎn)換4.5.3　無偏量測轉(zhuǎn)換4.5.4　修正的無偏量測轉(zhuǎn)換4.6　基于雷達(dá)量測和BLUE準(zhǔn)則的目標(biāo)跟蹤4.6.1　基于BLUE準(zhǔn)則的二維量測轉(zhuǎn)換4.6.2　基于BLUE準(zhǔn)則的三維量測轉(zhuǎn)換4.7　帶Doppler量測的雷達(dá)目標(biāo)跟蹤4.7.1　極坐標(biāo)系中帶Doppler量測的雷達(dá)目標(biāo)跟蹤4.7.2　球坐標(biāo)系中帶Doppler量測的雷達(dá)目標(biāo)跟蹤4.8　時間與空間配準(zhǔn)4.8.1　問題描述4.8.2　時間配準(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)分布式檢測融合算法5.2.1　系統(tǒng)描述5.2.2　最優(yōu)分布式檢測的必要條件5.2.3　傳感器觀測獨立條件下的最優(yōu)分布式檢測5.2.4　實例計算5.3　串行結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測融合算法5.3.1　系統(tǒng)描述5.3.2　傳感器觀測獨立條件下最優(yōu)分布式檢測的必要條件5.3.3　傳感器觀測獨立條件下的最優(yōu)分布式檢測5.3.4　實例計算5.4　樹形結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測融合算法5.4.1　系統(tǒng)描述5.4.2　結(jié)點觀測獨立條件下最優(yōu)分布式檢測的必要條件5.4.3　結(jié)點觀測獨立條件下的最優(yōu)分布式檢測5.4.4　實例計算5.5　分布式量化檢測系統(tǒng)5.5.1　系統(tǒng)描述5.5.2　最優(yōu)分布式量化檢測的必要條件5.5.3　傳感器觀測獨立條件下的最優(yōu)分布式量化檢測5.5.4　實例計算5.6　分布式N?P檢測融合系統(tǒng)5.6.1　最優(yōu)分布式量化檢測的必要條件5.6.2　傳感器觀測獨立條件下的最優(yōu)分布式檢測5.6.3　傳感器觀測相關(guān)條件下的次優(yōu)分布式檢測5.6.4　分布式硬決策N?P檢測融合系統(tǒng)5.6.5　實例計算5.7　小結(jié)參考文獻(xiàn)第6章　估計融合6.1　估計融合系統(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誤差相關(guān)的原因6.3.3　簡單凸組合融合算法6.3.4　Bar Shalom?Campo融合算法6.3.5　不帶反饋的最優(yōu)分布式估計融合6.3.6　帶反饋的最優(yōu)分布式估計融合6.3.7　最大后驗概率狀態(tài)估計融合6.3.8　最優(yōu)的集中式估計的重構(gòu)6.4　協(xié)方差交叉法6.4.1　問題描述6.4.2　相關(guān)程度已知的相關(guān)估計量最優(yōu)融合6.4.3　相關(guān)程度未知的相關(guān)估計量最優(yōu)融合6.5　聯(lián)邦濾波器6.5.1　問題描述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6.5.9　聯(lián)邦濾波器的兩種簡化形式6.6　最優(yōu)線性估計融合與統(tǒng)一融合規(guī)則6.6.1　問題描述6.6.2　統(tǒng)一線性數(shù)據(jù)模型6.6.3　對于線性數(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　異類融合第11章　智能交通與信息融合第12章　態(tài)勢評估和威脅估計

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)用的專業(yè)技術(shù)人員參考，也可以作為相關(guān)專業(yè)大學(xué)本科高年級學(xué)生和研究生，特別是博士研究生的參考讀物。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    多源信息融合 PDF格式下載

---