多源信息融合(簡體書)

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展的基礎理論，如統計推斷與估計理論基礎、智能計算與識別理論基礎等； 還包括目標跟蹤理論、檢測融合、估計融合、數據關聯、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，以及態勢評估與威脅估計等內容。本書理論體系完整，材料取舍適當，適合從事多源信息融合理論研究和工程應用的專業技術人員參考，也可以作為相關專業大學本科高年級學生和研究生，特別是博士研究生的參考讀物。

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 多源信息融合的優勢
1.1.3 應用領域
1.2 信息融合系統的模型和結構
1.2.1 功能模型
1.2.2 數據融合的級別
1.2.3 通用處理結構
1.3 多源信息融合的主要技術和方法
1.4 信息融合要解決的幾個關鍵問題
1.5 發展起源、現狀與未來
參考文獻
第2章 統計推斷與估計理論基礎
2.1 點估計理論基礎
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參數估計的EM算法實例
2.3 線性動態系統的濾波理論與算法
2.3.1 離散時間線性系統狀態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 噪聲相關的Kalman濾波器
2.4 非線性動態系統的濾波理論與算法
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Bayes估計面臨的挑戰與解決的新思路
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 混合系統狀態估計理論
2.6.1 一般描述
2.6.2 多模型方法簡述
2.6.3 定結構多模型估計
2.6.4 交互式多模型算法
2.6.5 變結構多模型（VSMM）算法概述
2.7 小結
參考文獻
第3章 智能計算與識別理論基礎
3.1 概述
3.1.1 模式識別的一般概念
3.1.2 智能學習與統計模式識別
3.2 粗糙集理論基礎
3.2.1 信息系統的一般概念
3.2.2 決策系統的不可分辨性
3.2.3 集合近似
3.2.4 屬性約簡
3.2.5 粗糙隸屬度
3.3 證據理論基礎
3.3.1 概述
3.3.2 mass函數、信任測度與似然測度
3.3.3 DempsterShafer合成公式
3.3.4 證據推理
3.4 隨機集理論基礎
3.4.1 一般概念
3.4.2 概率模型
3.4.3 隨機集的mass函數模型
3.5 統計學習理論與支持向量機基礎
3.5.1 統計學習理論的一般概念
3.5.2 學習機的VC維與風險界
3.5.3 線性支持向量機
3.5.4 非線性支持向量機
3.5.5 用于孤立點發現的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網絡基礎
3.6.1 Bayes網絡的一般概念
3.6.2 獨立性假設
3.6.3 一致性概率
3.6.4 Bayes網絡推斷
3.7 小結
參考文獻
第4章 目標跟蹤
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 目標動態模型
4.3.1 機動目標跟蹤的數學模型
4.3.2 非機動目標動態模型
4.3.3 坐標不耦合的目標機動模型
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 傳感器坐標模型
4.4.2 在各種坐標系中的跟蹤
4.4.3 混合坐標系的線性化模型
4.4.4 笛卡兒坐標系下的模型
4.5 雷達量測轉換
4.5.1 二維去偏量測轉換
4.5.2 三維去偏量測轉換
4.5.3 無偏量測轉換
4.5.4 修正的無偏量測轉換
4.6 基于雷達量測和BLUE準則的目標跟蹤
4.6.1 基于BLUE準則的二維量測轉換
4.6.2 基于BLUE準則的三維量測轉換
4.7 帶Doppler量測的雷達目標跟蹤
4.7.1 極坐標系中帶Doppler量測的雷達目標跟蹤
4.7.2 球坐標系中帶Doppler量測的雷達目標跟蹤
4.8 時間與空間配準
4.8.1 問題描述
4.8.2 時間配準算法
4.8.3 常用坐標系
4.8.4 坐標轉換
4.8.5 空間配準算法概述
4.8.6 二維空間配準算法
4.8.7 精確極大似然空間配準算法
4.8.8 基于地心坐標系的空間配準算法
4.9 小結
參考文獻
第5章 檢測融合
5.1 概論
5.2 并行結構融合系統的最優分布式檢測融合算法
5.2.1 系統描述
5.2.2 最優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分布式檢測
5.2.4 實例計算
5.3 串行結構融合系統的最優分布式檢測融合算法
5.3.1 系統描述
5.3.2 傳感器觀測獨立條件下最優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分布式檢測
5.3.4 實例計算
5.4 樹形結構融合系統的最優分布式檢測融合算法
5.4.1 系統描述
5.4.2 結點觀測獨立條件下最優分布式檢測的必要條件
5.4.3 結點觀測獨立條件下的最優分布式檢測
5.4.4 實例計算
5.5 分布式量化檢測系統
5.5.1 系統描述
5.5.2 最優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
5.6.1 最優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分布式檢測
5.6.3 傳感器觀測相關條件下的次優分布式檢測
5.6.4 分布式硬決策NP檢測融合系統
5.6.5 實例計算
5.7 小結
參考文獻
第6章 估計融合
6.1 估計融合系統結構
6.2 集中式融合系統
6.2.1 并行濾波
6.2.2 序貫濾波
6.2.3 數據壓縮濾波
6.3 分布式融合系統
6.3.1 分布式融合結構
6.3.2 航跡融合中各傳感器局部估計誤差相關的原因
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 不帶反饋的最優分布式估計融合
6.3.6 帶反饋的最優分布式估計融合
6.3.7 最大后驗概率狀態估計融合
6.3.8 最優的集中式估計的重構
6.4 協方差交叉法
6.4.1 問題描述
6.4.2 相關程度已知的相關估計量最優融合
6.4.3 相關程度未知的相關估計量最優融合
6.5 聯邦濾波器
6.5.1 問題描述
6.5.2 方差上界技術
6.5.3 聯邦濾波器的一般結構
6.5.4 聯邦濾波器的工作流程
6.5.5 聯邦濾波器的最優性證明
6.5.6 聯邦濾波器的四種結構
6.5.7 聯邦濾波器四種結構的比較
6.5.8 聯邦濾波器的特點
6.5.9 聯邦濾波器的兩種簡化形式
6.6 最優線性估計融合與統一融合規則
6.6.1 問題描述
6.6.2 統一線性數據模型
6.6.3 對于線性數據模型的統一最優融合規則
6.6.4 一般的最優的線性融合規則
6.7 小結
參考文獻
第7章 數據關聯
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 態勢評估和威脅估計