Multi-source information fusion theory and its applications

第1章绪论
1.1多源信息融合的一般概念
1.1.1多源信息融合的提出及定义
1.1.2多源信息融合的优势
1.2多源信息融合的功能模型
1.2.1经典的功能模型
1.2.2其他功能模型
1.3多源信息融合的系统结构
1.3.1集中式结构
1.3.2分布式结构
1.3.3混合式结构
1.4多源信息融合中的数学方法
1.4.1估计理论方法
1.4.2不确定性推理方法
1.4.3智能计算与模式识别理论
1.5多源信息融合的发展过程及研究现状
1.6多源信息融合的应用
1.6.1 民事上的应用
1.6.2军事上的应用
习题
参考文献
第2章估计理论
2.1估计准则
2.1.1最小二乘估计和加权最小二乘估计
2.1.2最小方差估计和线性最小方差估计
2.1.3极大似然估计和极大后验估计
2.2最优贝叶斯滤波
2.3线性动态系统状态滤波
2.3.1卡尔曼滤波器
2.3.2信息滤波器
2.4非线性动态系统状态滤波
2.4.1扩展卡尔曼滤波器
2.4.2强跟踪滤波器
2.4.3 UT变换和UKF
2.4.4差分滤波器
2.4.5粒子滤波器
2.5混合系统多模型估计
2.5.1一般描述
2.5.2多模型估计实现
2.5.3定结构多模型估计
2.5.4交互式多模型算法
2.5.5变结构多模型算法
2.6期望最大化方法
2.6.1概述
2.6.2 EM算法描述
2.6.3混合高斯参数估计的EM算法实例
习题
参考文献
第3章不确定性推理理论
3.1主观贝叶斯方法
3.1.1贝叶斯条件概率公式
3.1.2贝叶斯方法在信息融合中的应用
3.1.3主观贝叶斯方法的优缺点
3.2 D—S证据推理
3.2.1证据理论的基本概念
3.2.2证据理论的组合规则
3.2.3基于证据理论的决策
3.2.4证据理论的优缺点
3.3不确定性推理方法之三——DSmT
3.3.1 DSmT的基本概念
3.3.2 DSmT的组合规则
3.3.3 DSmT的优缺点
3.4主观贝叶斯方法、D—S证据理论和DSmT的比较
3.5模糊集合理论
3.5.1模糊集合与隶属度
……
第4章信息融合其他数学基础
第5章检测融合
第6章估计融合
第7章识别融合
第8章图像融合
第9章 时间与空间对准
第10章 目标跟踪
第11章数据关联
第12章组合导航与信息融合
第13章态势评估与威胁估计
第14章 信息融合中的性能评估
第15章传感器管理