多傳感器信息融合估計理論及其在智能製造中的應用（簡體書）

本書包含國家自然科學基金項目(61673002)的部分研究成果，以多傳感器信息融合系統為主要介紹對象，內容包含多傳感器信息融合估計理論基礎、參數不確定系統中的狀態融合方法，以及非標準及測量噪聲相關的多傳感器系統最優融合估計及狀態融合估計理論在成紙定量估計、移動機器人位姿計算中的應用。
本書可供自動化、電子信息、計算機應用、控制科學與工程、信號處理、機械製造等相關專業師生以及相關領域的工程技術人員和研究人員參考。

目錄
第1章緒論(1)
1.1引言(1)
1.2信息融合系統結構(2)
1.3信息融合技術的基本理論(3)
1.3.1信息融合的基本數學方法(3)
1.3.2信號級融合(4)
1.3.3特徵級融合(6)
1.3.4決策級融合(7)
1.3.5信息融合系統中的傳感器管理(7)
1.4信息融合技術的應用(8)
1.4.1軍事領域(8)
1.4.2民用、工業及經濟領域(8)
1.4.3機器人及智能交通(8)
1.4.4防火(9)
1.4.5地球科學(9)
1.4.6疾病診斷(9)
1.4.7其他(10)
1.5研究現狀(10)
1.5.1檢測級融合(10)
1.5.2數據互聯(12)
1.5.3狀態融合估計(14)
1.5.4特徵級融合及決策級融合(16)
1.5.5傳感器管理(17)
第2章多傳感器信息融合估計理論基礎(19)
2.1引言(19)
2.2融合估計算法(20)
2.2.1測量數據融合算法(22)
2.2.2兩種測量數據融合方法的性能分析(23)
2.2.3tracktotrack融合估計算法(31)
2.2.4分布式最優融合估計算法(34)
多傳感器信息融合估計理論及其在智能製造中的應用目錄2.3分布式不相關優化融合估計(36)
2.3.1估計協方差Pij的消除(37)
2.3.2分布式不相關優化融合估計算法基本形式及其性能(39)
2.3.3穩態分布式不相關優化融合估計(41)
2.3.4仿真實驗(41)
2.3.5本節小結(44)
2.4最優融合估計的方差性能研究(45)
2.4.1方差性能函數的定義(45)
2.4.2方差性能函數與融合估計方差的關係(45)
2.4.3討論(47)
2.4.4仿真實驗(48)
2.4.5本節小結(50)
第3章參數不確定多傳感器系統的融合估計(51)
3.1引言(51)
3.2參數不確定多傳感器信息融合系統模型(52)
3.2.1範數有界不確定模型(52)
3.2.2多胞型不確定模型(53)
3.3集中式魯棒H∞融合估計(54)
3.3.1問題描述(54)
3.3.2基於範數有界不確定描述模型的集中式融合估計(54)
3.3.3基於多胞型不確定描述模型的集中式融合估計(60)
3.3.4仿真實驗與性能分析(63)
3.4分布式魯棒H∞融合估計(68)
3.4.1問題描述(68)
3.4.2分布式魯棒H∞融合估計方法(68)
3.4.3仿真實驗(70)
3.5本章小結(73)
第4章非標準多傳感器系統的最優融合估計(74)
4.1引言(74)
4.2系統模型(74)
4.3單傳感器狀態估計(75)
4.4最優融合估計(76)
4.4.1集中式融合估計算法(76)
4.4.2分布式融合估計算法(77)
4.5多級式最優融合估計(77)
4.5.1多級式多傳感器系統模型(77)
4.5.2集集式融合估計算法(78)
4.5.3分分式融合估計算法(79)
4.5.4集分式融合估計算法(80)
4.6本章小結(80)
第5章測量噪聲相關的多傳感器系統融合估計(81)
5.1引言(81)
5.2系統模型(81)
5.3最優融合估計方法(82)
5.3.1相關測量噪聲方差矩陣的解耦(82)
5.3.2集中式融合估計算法(84)
5.3.3分布式融合估計算法(84)
5.3.4仿真實驗(86)
5.4PeiRadman融合估計方法(86)
5.4.1PeiRadman多傳感器信息融合系統的定義(86)
5.4.2PeiRadman融合估計算法(87)
5.4.3仿真實驗(90)
5.5魯棒H∞分解合併融合估計算法(92)
5.5.1系統模型變換及分解合併估計原理(92)
5.5.2魯棒H∞分解合併融合估計算法(93)
5.5.3仿真實驗(95)
5.6本章小結(98)
第6章狀態融合估計理論在成紙定量估計中的應用(100)
6.1引言(100)
6.2系統正常工作時的狀態估計(101)
6.3測量傳感器出現故障時的狀態估計(102)
6.4測量傳感器噪聲相關時的狀態估計(105)
6.5本章小結(106)
第7章基於多源信息融合的運動姿態估計(107)
7.1引言(107)
7.2基於自適應參數機動目標模型的Kalman濾波(107)
7.2.1機動目標模型(107)
7.2.2自適應參數機動目標模型估計方法(108)
7.3基於四元數的捷聯式慣性導航姿態解算(113)
7.3.1四元數與捷聯式慣性導航姿態矩陣(113)
7.3.2導航參數的計算(116)
7.3.3初始條件的給定與初始數據的計算(119)
7.3.4本節小結(120)
7.4基於IMU的姿態估計的應用(121)
7.4.1系統概要(121)
7.4.2通過IMU識別手指姿勢(122)
7.4.3閾值分析(127)
7.4.4控制NAO類人形機器人(128)
7.4.5本節小結(132)
7.5本章小結(132)
第8章融合RFID與IMU信息的移動機器人室內軌跡估計(133)
8.1引言(133)
8.2基於RFID的移動軌跡估計(133)
8.2.1軌跡估計方法流程圖(133)
8.2.2UKF算法(135)
8.2.3基於可變數量RFID閱讀器的UKF軌跡估計方法(137)
8.2.4仿真實驗結果(140)
8.2.5本節小結(142)
8.3基於IMU的移動軌跡估計(142)
8.3.1基於IMU測量數據的航位推算(142)
8.3.2仿真實驗結果及誤差分析(144)
8.3.3本節小結(146)
8.4基於融合機制的信息互補(146)
8.4.1基於多傳感器數據融合的軌跡估計算法流程(146)
8.4.2基於多傳感器信息融合軌跡估計方法的仿真研究(148)
8.4.3基於多傳感器信息融合軌跡估計方法的實驗研究(152)
8.4.4本節小結(160)
8.5本章小結(161)
參考文獻(162)