《多感測器數據融合手冊》一書於2008年5月由電子工業出版社翻譯、出版發行，該書為數據融合系統設計人員、研究人員和使用人員提供了獨特的、全面的、最新的資料，包括五個部分，其突出特點是：詳盡介紹了數據融合的基本術語和模型；闡述了數據關聯，目標跟蹤和識別的先進技術；介紹了數據融合系統開發的實際問題，包括需求分析、系統工程、算法選擇、資料庫設計、人機接口和性能評估；介紹了數據融合技術的廣泛套用，包括DoD、NASA、DARPA以及複雜機械系統的基於狀態的監控等套用；介紹了一些數據融合資源和Web站點。
基本介紹
內容簡介,作者簡介,目錄,融合概念,
內容簡介
多感測器數據融合是一門新興技術，在軍事和非軍事領域中都礙到了廣泛套用、多感測器數據融合技術汲取了人工智慧、模式識別、統計估計等多門學科的相關技術，計算機技術的快速發展以及數據融合技術的成熟為數據融合的廣泛套用提供了基礎，本書作者全都是數據融合領域的知名帶頭人，他們的成果將為該領域提供權威性的參考。
作者簡介
霍爾， 博士，賓夕法尼亞州立大學信息科學與技術學院副院長，主管科學研究和研究生教育，獲天體物理學碩士、博士學位以及物理學和數學學士學位。Hall博士是IEEE高級會員，從事數據融合及相關技術領域研究20多年，曾應邀做過數據融合及人工智慧領域的國際性學術報告，此外還參加了幾項軍用實時數據融合系統的研製，出版了三本著作(包括Artech House於1992年出版的《多感測器數據融合的數學方法》)，發表了180多篇學術論文。在進入賓夕法尼亞州立大學之前，Hall博士在計算機科學公司以及麻省理工學院林肯實驗室從事HRB系統(Raytheon的一個部分，E系統)的研究。
目錄
Ⅰ 多感測器數據融合引論
1 多感測器數據融合
2 JDL 數據融合修正模型
3 多目標跟蹤數據關聯算法介紹
4 圖像和空間數據融合原理及實踐
5 數據配準
6 數據融合自動化：自頂向下的觀點
7 證據組合方法比較
Ⅱ 跟蹤和關聯的先進方法
8 雷達、聲吶、光電感測器套用中的機率數據關聯目標跟蹤
9 最優和近似數據關聯的組合方法介紹
10 多目標跟蹤的貝葉斯方法
11 使用多幀分配的數據關聯
12 採用協方差交集的（CI）廣義分散式數據融合
13 非線性系統中的數據融合
14 基於隨機集理論的目標跟蹤與識別
Ⅲ 系統工程和是實現
15 數據融合系統的需求來源
16 數據融合系統的系統工程實現方法
17 Correlation工程的研究與分析：關聯問題及其技術的全面評估
18 支持戰術數據融合的數據管理
19 消除人跡接口的瓶頸：人機接口（HCI）對數據融合
20 多感測器融合處理性能評估
21 多感測器數據融合中的一些小秘訣
Ⅳ 套用實例
Ⅴ 資源
融合概念
數據融合又稱作信息融合或多感測器數據融合，對數據融合還很難給出一個統一、全面的定義。隨著數據融合和計算機套用技術的發展，根據國內外研究成果，多感測器數據融合比較確切的定義可概括為：充分利用不同時間與空間的多感測器數據資源，採用計算機技術對按時間序列獲得的多感測器觀測數據，在一定準則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現相應的決策和估計，使系統獲得比它的各組成部分更充分的信息。
1．2 多感測器數據融合原理
多感測器數據融合技術的基本原理就像人腦綜合處理信息一樣，充分利用多個感測器資源，通過對多感測器及其觀測信息的合理支配和使用，把多感測器在空間或時間上冗餘或互補信息依據某種準則來進行組合，以獲得被測對象的一致性解釋或描述。具體地說，多感測器數據融合原理如下：
（1）N個不同類型的感測器（有源或無源的）收集觀測目標的數據；
（2）對感測器的輸出數據（離散的或連續的時間函式數據、輸出矢量、成像數據或一個直接的屬性說明）進行特徵提取的變換，提取代表觀測數據的特徵矢量Yi；
（3）對特徵矢量Yi進行模式識別處理（如，聚類算法、自適應神經網路或其他能將特徵矢量Yi變換成目標屬性判決的統計模式識別法等）完成各感測器關於目標的說明；
（4）將各感測器關於目標的說明數據按同一目標進行分組，即關聯；
（5）利用融合算法將每一目標各感測器數據進行合成，得到該目標的一致性解釋與描述。
2 多感測器數據融合方法
利用多個感測器所獲取的關於對象和環境全面、完整的信息，主要體現在融合算法上。因此，多感測器系統的核心問題是選擇合適的融合算法。對於多感測器系統來說，信息具有多樣性和複雜性，因此，對信息融合方法的基本要求是具有魯棒性和並行處理能力。此外，還有方法的運算速度和精度；與前續預處理系統和後續信息識別系統的接口性能；與不同技術和方法的協調能力；對信息樣本的要求等。一般情況下，基於非線性的數學方法，如果它具有容錯性、自適應性、聯想記憶和並行處理能力，則都可以用來作為融合方法。
多感測器數據融合雖然未形成完整的理論體系和有效的融合算法，但在不少套用領域根據各自的具體套用背景，已經提出了許多成熟並且有效的融合方法。多感測器數據融合的常用方法基本上可概括為隨機和人工智慧兩大類，隨機類方法有加權平均法、卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer（D-S）證據推理、產生式規則等；而人工智慧類則有模糊邏輯理論、神經網路、粗集理論、專家系統等。可以預見，神經網路和人工智慧等新概念、新技術在多感測器數據融合中將起到越來越重要的作用。
