多传感器多源信息融合理论及应用

前言
第1章 多传感器多源信息融合概述
1.1 信息融合的概念及其优点
1.1.1 什么是信息融合
1.1.2 多源多传感器信息融合的优势
1.2 多源信息融合的模型
1.2.1 功能模型
1.2.2 结构模型
1.2.3 主要的信息融合技术和方法
1.3 信息融合的研究现状和存在的问题
1.3.1 多源信息融合的研究现状
1.3.2 多源信息融合存在的主要问题
1.4 信息融合技术的应用
1.5 本书结构
1.6 结论
参考文献

第2章 数学基础
2.1 概率论、随机过程与数理统计基础
2.1.1 事件与概率
2.1.2 随机变量及其分布
2.1.3 高斯随机变量
2.1.4 x2分布随机变量
2.1 5多维随机向量
2.1.6 全概率公式与贝叶斯公式
2.1.7 随机过程
2.1.8 假设检验
2.1.9 Neyma-Pearson定理
2.2 线性代数、矩阵论与线性系统
2.2.1 矩阵基本概念
2.2.2 特征值与特征向量
2.2.3 矩阵求逆引理
2.2.4 矩阵微积分
2.2.5 线性系统理论
2.3 结论
参考文献

第3章 参数估计与滤波理论
3.1 参数估计基本概念
3.1.1 参数估计问题的基本描述
3.1.2 参数估计模型
3.2 最大似然估计
3.3 最小二乘估计
3.3.1 线性最小二乘估计的批处理算法
3.3.2 线性最小二乘估计的迭代算法
3.4 最大后验概率估计
3.5 最小均方误差估计
3.5.1 最小均方误差估计的一般形式
3.5.2 线性最小均方误差估计
3.6 cramer-Rao下限和Fisher信息矩阵
3.7 Kalman滤波
3.7.1 系统模型
3.7.2 算法流程
3.7.3 Kalman滤波的优缺点
3.8 扩展Kalman滤波
3.8.1 系统模型
3.8.2 算法流程
3.8.3 扩展Kalman滤波的优缺点
3.9 unscented滤波
3.9.1 unscented变换
3.9.2 unscented滤波算法流程
3.9.3 unscented滤波的优缺点
3.10 粒子滤波
3.10.1 蒙特卡罗积分及重要度采样
3.10.2 粒子滤波
3.11 结论
参考文献

第4章 信息类型与传感器系统
4.1 信息类型概述
4.1.1 信息类型Ⅰ
4.1.2 信息类型Ⅱ
4.2 传感器系统
4.2.1 传感器系统概述
4.2.2 传感系统分类
4.2.3 人体感觉系统和常用传感器
4.2.4 传感系统设计相关问题
4.3 结论
参考文献

第5章 同步采样系统的分步式信息融合
5.1 多传感器系统采样分析
5.1.1 同步问题
5.1.2 异步问题
5.2 传统同步融合算法
5.2.1 系统描述
5.2.2 集中式扩维融合
5.2.3 测量值加权融合
5.2.4 局部估计值加权融合
5.2.5 算法性能分析
5.2.6 小结
5.3 基于分步式滤波的融合算法
5.3.1 算法描述
5.3.2 SSF算法理论推导
5.3.3 算法精度分析
5.3.4 SSF与CFA计算量比较
5.3.5 仿真算例
5.4 结论
参考文献

第6章 异步采样系统的信息融合
6.1 异步多传感器数据融合概述
6.2 基于传输短延迟的异步数据融合
6.3 分步式预测融合算法
6.3.1 连续系统描述
6.3.2 连续系统离散化
6.3.3 系统采样描述
6.3.4 分步式预测融合算法
6.3.5 算法分析
6.3.6 计算机仿真
6.4 基于匀速增量的异步融合算法
6.4.1 系统描述
6.4.2 异步采样描述
6.4.3 异步采样数据的顺序式融合算法流程
6.4.4 计算机仿真
6.4.5 小结
6.5 基于有理数倍采样的异步融合
6.5.1 有理数倍采样描述
6.5.2 离散状态模型
6.5.3 测量值映射
6.5.4 预备工作
6.5.5 AFASRNT异步融合算法流程
6.5.6 仿真算例
6.6 基于状态转换的顺序式异步融合算法
6.6.1 系统描述
6.6.2 采样过程描述
6.6.3 基于伪测量值的异步融合算法
6.6.4 基于状态转换的顺序式异步融合算法
6.6 5仿真算例
6.6.6 算法性能分析
6.6.7 小结
6.7 结论
参考文献

第7章 多目标跟踪技术
7.1 引言
7.2 多目标跟踪的主要问题
……
第8章 机动目标跟踪
第9章 纯方位角定位与跟踪
第10章 随机集理论及其在信息融合中的应用
第11章 信息融合技术的应用实例