內容簡介
本書系統深入地闡述了分散式信息融合的理論與方法,作者將自己在信息融合方向的研究成果和對國內外最新研究動態與成果的理解及對其中錯誤的修正意見奉獻給相關專業的研究人員,以促進和引領國內分散式信息融合領域的發展和套用。 全書共11章,主要介紹了信息融合學科及其向分散式發展的動因、趨勢和挑戰性問題,分散式信息融合中的新概念和新方法,分散式融合系統的結構與估計算法,多感測器特別是無線感測網路(WSN)面對的分散式目標聯合檢測理論和實現算法,多感測器多目標跟蹤中各類分散式融合準則和關聯度量指標,分散式目標分類識別的特徵、類型、結構和分類方法,分布環境中的威脅估計方法,一致性數據融合的概念和多感測器分散式管理算法以及分散式融合發展的理論基礎等內容。 本書可作為信息融合學科高年級本科生、研究生的參考學習用書,也可供從事相關領域研究的高校教師、科研人員及從事相關行業的工程技術人員閱讀參考。
目錄
第1章 信息融合及其分散式發展概述
1.1 信息融合技術發展沿革
1.2 數據融合模型的概要分類
1.3 JDL數據融合過程模型
1.3.1 JDL數據融合結構模型
1.3.2 JDL頂層融合模型的演變
1.3.3 JDL融合頂層模型的主要功能
1.4 Endsley態勢感知模型
1.5 影響信息融合學科發展的相關動向
1.6 資訊時代對分散式信息融合的需求
1.7 分散式融合面臨的主要挑戰
參考文獻
2.1 網路中心戰(NCW)的概念及背景
2.1.2 新軍事變革與信息化
2.1.3 新軍事變革與網路中心戰
2.2 網路中心戰(NCW)中的信息價值
2.2.1 網路中心戰(NCW)中的信息價值概念
2.2.2 網路中心戰(NCW)中的價值鏈
2.2.3 最優行動的期望效用
2.3 網路中心戰(NCW)中的認知問題
2.3.1 認知的概念
2.3.2 認知的本質和過程
2.4 網路中心戰(NCW)中的自組織和自同步
2.4.1 網路中心戰(NCW)的主要特徵
2.4.2 自組織的概念和效用
2.4.3 自同步的概念和效用
2.5 分散式信息融合在網路中心戰(NCW)中的作用
2.5.1 分散式網路中心戰(NCW)與分散式信息融合
2.5.2 信息融合對網路中心戰(NCW)價值鏈的貢獻
2.5.3 信息融合在網路中心戰(NCW)認知中的作用
2.5.4 信息融合在網路中心戰(NCW)指揮控制中的作用
2.6 分散式信息融合中的挑戰性問題
參考文獻
第3章 分散式信息融合中的新概念和新方法
3.1 引言
3.2 分散式信息融合概念與問題概述
3.3 控制相關信息融合誤差的有界協方差增長方法
3.3.1 有界協方差增長控制方法的概念和套用背景
3.3.2 BCI模型
3.3.3 分散式目標跟蹤誤差分析案例
3.4 感測器協同方法
3.4.1 極大和算法模型
3.4.2 極大和算法約束條件與模型求解
3.4.3 基於極大和算法的多感測器協同跟蹤案例
3.5 自利平台的最佳化協調方法
3.5.1 概念與背景
3.5.2 目標跟蹤中的多代理協調問題
3.5.4 考慮信道衰減的信息多級最優傳輸路徑
3.5.5 基於拍賣機制的網路頻寬最佳化分配
3.5.6 仿真案例
3.6 合作對象信用估計
3.6.1 契約的期望效用與協方差的概念
3.6.2 基於獨立貝塔分布的契約信用估計
3.6.4 契約信用模型仿真驗證案例
3.7 基於人—代理集合體(HAC)的分散式信息融合
3.7.1 問題的提出
3.7.2 人—代理集合體(HAC)中的用戶精煉
3.7.3 人—代理集合體(HAC)中的用戶控制與管理
3.7.4 用戶在人—代理集合體(HAC)系統評估中的作用
3.7.5 人—代理集合體(HAC)設計中的挑戰與機遇
3.8 本章小結
參考文獻
第4章 分散式融合結構與估計算法
4.1 引言
4.2 分散式信息融合結構
4.2.1 融合結構的依賴因素
4.2.2 融合結構與依賴因素之間的關係
4.2.3 分散式融合結構的選擇基準
4.2.4 分散式融合結構分類
4.3 分散式融合信息圖
4.3.1 單連線信息圖
4.3.2 無反饋層次融合的多連線信息圖及連線轉換
4.3.3 有反饋層次融合信息圖及連線轉換
4.3.4 對等式分布融合信息圖及連線轉換
4.4 分散式估計算法
4.4.1 分散式估計概述
4.4.2 貝葉斯分布估計中的重複信息去除原理
4.4.3 最優貝葉斯分布融合算法
4.4.4 次優貝葉斯分布融合算法
4.4.5 高斯分布或帶有誤差協方差估計的全局估計
4.5 目標跟蹤中的分散式估計
4.5.1 問題描述
4.5.2 確定性動態過程
4.5.3 非確定性動態過程
4.6 對象分類識別的分散式估計
4.6.1 對象分類的分散式識別結構
4.6.2 對象分類的分散式識別算法
4.7 本章小結
參考文獻
第5章 多感測器分散式目標檢測
5.1 分散式檢測問題描述
5.1.1 集中式與分散式檢測
5.1.2 分散式檢測結構與模型
5.2 基於LRT的分散式檢測方法
5.2.1 貝葉斯分散式檢測
5.2.2 基於LRT的奈曼—皮爾遜檢測方法
5.2.3 基於LRT的融合檢測邏輯設計
5.3 基於計數表決規則的WSN檢測方法
5.3.1 計數表決檢測方法
5.3.2 多感測器全局表決檢測準則
5.3.3 不同性能感測器的全局表決檢測通用模型
5.3.4 同類感測器表決檢測通用模型
5.4 基於虛發現率的分散式檢測門限控制
5.4.1 統計學中的多比較問題
5.4.2 基於FDR局部門限控制的全局最佳化檢測算法
5.4.3 基於FDR的分散式檢測系統設計
5.5 相關情況的分散式檢測
5.5.1 基於相關觀測的最優分散式檢測研究現狀
5.5.2 基於相關局部判定的最優分散式檢測研究現狀
5.5.3 進一步說明
5.6 非理想通信信道下的分散式檢測
5.6.1 概念與模型
5.6.2 考慮信道衰減的分散式檢測規則
5.6.3 基於部分信道狀態的分散式檢測
5.6.4 具有非信道狀態信息的分散式檢測
5.7 本章小結
參考文獻
第6章 航跡融合與航跡關聯——分散式多目標跟蹤要點
6.1 引言
6.2 航跡融合的概念與模型
6.2.1 目標動態與觀測模型
6.2.2 一次航跡融合的概念
6.2.3 反覆航跡融合的概念
6.3 一次航跡融合準則
6.3.1 一次航跡融合狀態估計及其協方差
6.3.2 融合準則
6.3.3 航跡融合準則性能評估基準
6.4 一次航跡融合準則性能評估案例
6.4.1 案例劇情模型
6.4.2 追加感測器情況仿真案例
6.4.3 互補感測器情況仿真案例
6.5 目標連續跟蹤中的反覆航跡融合
6.5.1 反覆航跡融合結構與分類
6.5.2 不帶反饋的反覆航跡融合
6.5.3 帶反饋的反覆航跡融合
6.6 分散式航跡關聯
6.6.1 航跡關聯的基本假設與評估函式
6.6.2 航跡關聯度量指標及其計算
6.6.3 航跡關聯度量指標比較仿真案例
6.7 本章小結
參考文獻
第7章 分散式目標分類識別
7.1 目標分類的概念與套用需求
7.2 目標分類/識別方法
7.2.1 基於不確定性的目標分類/識別方法
7.2.2 目標分類/識別的基本步驟
7.2.3 分散式目標分類識別方法的特點
7.2.4 目標類別與識別特徵的關係
7.3 目標分類方法的基本類型
7.3.1 “產生”型目標分類識別方法
7.3.2 “差異”型目標分類識別方法
7.3.3 混合型目標分類識別方法
7.4 多級目標分類識別結構
7.5 分散式目標分類識別中的新問題
7.5.1 顯式重複計算
7.5.2 隱式重複計算
7.5.3 採用硬說明的傳統融合識別系統
7.5.4 混合不確定性表示
7.6 基於局部分類器的全局融合識別
7.6.1 多分類器融合技術的分類
7.6.2 分類器組合方法
7.7 最優分散式貝葉斯目標分類方法
7.7.1 集中式目標分類算法
7.7.2 分散式目標分類算法
7.7.3 分散式目標分類識別系統的通信策略
7.8 分散式目標分類識別算法比較
7.8.1 目標分類識別算法性能仿真與評估方法
7.8.2 目標分類融合識別算法仿真比較
7.9 本章小結
參考文獻
第8章 多感測器一致性數據融合
8.1 引言
8.2 基於分位數的離異值剔除方法
8.2.1 一維情形
8.2.2 多維情形
8.3 基於模糊集理論的多感測器一致性數據融合
8.5 基於置信距離的多感測器一致性數據融合
8.5.1 一維情形的置信距離
8.5.2 多維情形的置信距離
8.5.3 基於置信距離的一致性數據融合方法
8.6 基於測量精度分級的多感測器一致性數據融合
8.6.1 兩個感測器測量數據偏差的機率比較
8.6.2 兩感測器融合偏差與感測器測量偏差的機率比較
8.6.3 基於精度分級的多感測器一致性數據融合實現方法
8.6.4 計算案例
8.7 本章小結
參考文獻
第9章 分散式信息融合發展的理論基礎
9.1 引言
9.2 單目標分散式融合概述
9.2.1 單目標貝葉斯濾波
9.2.2 獨立數據源的T2F
9.2.3 非獨立數據源的T2F
9.2.4 協方差交集(CI)航跡融合
9.2.5 指數混合(XM)融合
9.3 基於有限集統計學的多目標濾波方法
9.3.1 多感測器多目標遞推貝葉斯濾波
9.3.2 多目標隨機分布的計算方法
9.3.3 機率假設密度(PHD)濾波
9.3.4 基數機率假設密度(CPHD)濾波
9.3.5 基於隨機集的濾波技術套用近況
9.4 基於單目標融合擴展的多目標分散式融合
9.4.1 獨立數據源的多目標T2F
9.4.2 非獨立數據源的多目標T2F
9.4.3 多目標指數混合(XM)融合
9.5 基於CPHD/PHD濾波的多目標航跡融合公式
9.5.1 基於CPHD濾波的獨立跟蹤源T2F公式
9.5.2 基於PHD濾波的獨立跟蹤源T2F公式
9.5.3 基於CPHD濾波和PHD濾波的相關跟蹤源T2F公式
9.5.4 基於CPHD濾波的多目標分布密度的指數混合(XM)融合近似
9.5.5 基於PHD濾波的多目標分布密度的指數混合(XM)融合近似
9.6 基於CPHD濾波和PHD濾波的多目標T2F實現案例
9.6.1 基於CPHD/PHD濾波的多目標T2F公式實現
9.6.2 多目標指數混合(XM)T2F近似公式的計算實現
9.7 本章小結
參考文獻
第10章 分散式環境中的威脅估計
10.1 威脅估計基本概念
10.1.1 威脅與威脅對象
10.1.2 威脅估計概念
10.1.3 威脅估計的特徵與內涵
10.1.4 威脅估計要素及其層次結構
10.1.5 威脅估計結果的表示方法
10.2 基於假設評估的威脅估計推理模型
10.2.1 威脅估計模型
10.2.2 威脅估計的多假設推理
10.2.3 威脅估計推理中的多假設評估
10.3 威脅估計方法
10.3.1 基於隨機區間的目標威脅估計方法
10.3.3 基於決策樹學習的目標威脅估計算法
10.4 多目標威脅估計方法
10.4.1 威脅函式與威脅值
10.4.2 基於多價值準則的多目標威脅評估方法
10.5 分散式環境中目標威脅估計的控制模式
10.5.1 分散式威脅估計的優勢
10.5.2 分散式威脅估計的環境要求
10.5.3 分散式威脅估計的協同模式
10.5.4 分散式協同威脅估計案例
10.6 通信狀態對分散式威脅估計的影響
10.6.1 通信中斷狀態產生的影響
10.6.2 通信降級狀態產生的影響
參考文獻
11.1 概述
11.1.1 感測器管理的概念
11.1.2 感測器管理的內涵和效用
11.1.3 感測器管理的功能
11.2 基於效用函式的目標探測感測器資源管理算法
11.2.1 問題描述
11.2.2 基於效用的感測器資源分配數學模型
11.2.3 仿真例子
11.3 基於模糊推理的感測器管理算法
11.3.1 問題描述
11.3.2 基於模糊推理的感測器管理算法
11.3.3 性能指標
11.3.4 仿真例子
11.4 基於組合雙向拍賣的感測器管理算法
11.4.1 問題描述
11.4.2 基於多資源組合雙向拍賣的感測器管理算法
11.4.3 仿真例子
11.5 本章小結
參考文獻