多源信息融合理論及套用

《多源信息融合理論及套用》是2013年清華大學出版社出版的圖書。

基本介紹

• 中文名：多源信息融合理論及套用
• 出版時間：2013年
• 出版社：清華大學出版社
• ISBN：9787302301271
• 類別：教材
• 定價：69 元
• 裝幀：平裝

圖書簡介

本書是關於多源信息融合理論與套用的一本教材，主要內容包括多源信息融合的基本概念及發展過程、估計理論基礎、信息融合數學基礎、檢測融合、估計融合、目標跟蹤、數據關聯、目標識別融合、圖像融合、組合導航與信息融合、態勢估計、威脅估計、信息融合中的性能評估及與教材內容相關的實驗等，且每章後面都附有習題，以供學生課後練習和鞏固知識。

本書可作為高等院校控制科學與工程各類相關專業的本科生及研究生教材，也可作為信息融合、電子對抗、信息處理及系統工程等相關專業研究人員和高等院校師生學習的參考用書。

目錄

第1章緒論

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義

1.1.2多源信息融合的優勢

1.2多源信息融合的功能模型

1.2.1經典的功能模型

1.2.2其他功能模型

1.3多源信息融合的系統結構

1.3.1集中式結構

1.3.2分散式結構

1.3.3混合式結構

1.4多源信息融合中的數學方法

1.4.1估計理論方法

1.4.2不確定性推理方法

1.4.3智慧型計算與模式識別理論

1.5多源信息融合的發展過程及研究現狀

1.6多源信息融合的套用

1.6.1民事上的套用

1.6.2軍事上的套用

習題

參考文獻

第2章估計理論

2.1估計準則

2.1.1最小二乘估計和加權最小二乘估計

2.1.2最小方差估計和線性最小方差估計

2.1.3極大似然估計和極大後驗估計

2.2最優貝葉斯濾波

2.3線性動態系統狀態濾波

2.3.1卡爾曼濾波器

2.3.2信息濾波器

2.4非線性動態系統狀態濾波

2.4.1擴展卡爾曼濾波器

2.4.2強跟蹤濾波器

2.4.3UT變換和UKF

2.4.4差分濾波器

2.4.5粒子濾波器

2.5混合系統多模型估計

2.5.1一般描述

2.5.2多模型估計實現

2.5.3定結構多模型估計

2.5.4互動式多模型算法

2.5.5變結構多模型算法

2.6期望最大化方法

2.6.1概述

2.6.2EM算法描述

2.6.3混合高斯參數估計的EM算法實例

習題

參考文獻

第3章不確定性推理理論

3.1主觀貝葉斯方法

3.1.1貝葉斯條件機率公式

3.1.2貝葉斯方法在信息融合中的套用

3.1.3主觀貝葉斯方法的優缺點

3.2DS證據推理

3.2.1證據理論的基本概念

3.2.2證據理論的組合規則

3.2.3基於證據理論的決策

3.2.4證據理論的優缺點

3.3不確定性推理方法之三——DSmT

3.3.1DSmT的基本概念

3.3.2DSmT的組合規則

3.3.3DSmT的優缺點

3.4主觀貝葉斯方法、DS證據理論和DSmT的比較

3.5模糊集合理論

3.5.1模糊集合與隸屬度

3.5.2模糊聚類

3.6模糊邏輯

3.7模糊推理

3.8模糊積分

3.9可能性理論

習題

參考文獻

第4章信息融合其他數學基礎

4.1粗糙集理論

4.1.1基本概念

4.1.2粗糙集理論在信息融合中的套用

4.2隨機集理論

4.2.1一般概念

4.2.2機率模型

4.2.3隨機集的mass函式模型

4.3灰色系統理論

4.3.1灰色系統理論的兩條基本原理

4.3.2數據變換技術

4.4支持向量機理論

4.4.1最優分類超平面

4.4.2線性可分的最優分類面

4.4.3線性不可分的最優分類面

4.4.4非線性支持向量機

4.5信息熵理論

4.5.1有關熵的概念

4.5.2觀測系統的信息融合問題

4.5.3觀測決策融合系統的信息融合問題

4.5.4融合系統的熵的結構關係

4.6神經網路

4.6.1人工神經元模型

4.6.2神經網路的激活函式

4.6.3神經網路的結構

4.6.4神經網路的學習方法

4.7遺傳算法

4.7.1遺傳算法的基本流程

4.7.2編碼方法

4.7.3適應度函式

4.7.4選擇運算元

4.7.5交叉運算元

4.7.6變異運算元

4.8貝葉斯網路基礎

4.8.1貝葉斯網路的一般概念

4.8.2獨立性假設

4.8.3一致性機率

4.8.4貝葉斯網路推斷

習題

參考文獻

第5章檢測融合

5.1引言

5.2假設檢驗

5.2.1假設檢驗問題描述

5.2.2似然比判決準則

5.3檢測融合結構模型

5.3.1集中式融合檢測結構

5.3.2分散式融合檢測結構

5.4基於並行結構的分散式檢測融合

5.4.1並行分散式融合檢測系統結構

5.4.2並行分散式最優檢測

5.5基於串列結構的分散式檢測融合

5.5.1串列分散式融合檢測系統結構

5.5.2串列分散式最優檢測

5.6樹狀分散式檢測融合

5.6.1樹狀分散式融合檢測系統結構

5.6.2樹狀分散式最優檢測

5.7反饋網路中的分散式檢測融合

5.7.1反饋並聯網路的融合與局部判決規則

5.7.2系統的性能描述

5.7.3並聯反饋網路套用舉例

5.8分散式恆虛警機率檢測

5.8.1CFAR檢測

5.8.2分散式CFAR檢測

習題

參考文獻

第6章估計融合

6.1估計融合系統結構

6.2多感測器系統數學模型

6.2.1線性系統

6.2.2非線性系統

6.3集中式融合系統

6.3.1並行濾波

6.3.2序貫濾波

6.4分散式估計融合

6.4.1不帶反饋信息的分散式估計融合

6.4.2帶反饋信息的分散式融合

6.4.3全信息估計融合

6.5基於協方差交集的分散式數據融合

6.5.1問題描述

6.5.2相關程度已知的相關估計量最優融合

6.5.3相關程度未知的相關估計量最優融合

6.6混合式估計融合

6.6.1順序估計

6.6.2加權估計

6.7多級式估計融合

6.7.1不帶反饋信息的多級式估計融合

6.7.2帶反饋信息的多級式估計融合

6.8聯邦濾波器

6.8.1問題描述

6.8.2方差上界技術

6.8.3聯邦濾波器的一般結構

6.8.4聯邦濾波器的工作流程

6.8.5聯邦濾波器的最優性證明

6.9異步估計融合

6.9.1系統方程描述

6.9.2集中式異步估計融合

6.9.3分散式異步估計融合

習題

參考文獻

第7章識別融合

7.1目標識別融合概述

7.2基於模糊集合理論的目標識別融合技術

7.2.1基於模糊貼近和不確定理論的識別方法

7.2.2基於可能性理論的識別模型

7.2.3基於多屬性模糊加權方法的目標識別

7.2.4基於模糊綜合函式的目標識別

7.3基於粗糙集理論的目標識別融合理論

7.3.1關係數據模型

7.3.2建立知識系統

7.3.3基於粗糙集理論的權值確定方法

7.3.4基於決策表的分類規則

7.4基於DS證據理論的目標識別融合技術

7.4.1互不相容數據結構的遞歸目標識別融合

7.4.2相容數據結構的遞歸目標識別空間融合

7.5基於灰色系統理論的目標識別融合技術

7.5.1灰關聯分析識別融合算法[12]

7.5.2基於DS推理的灰關聯分析融合方法

7.6基於極大後驗機率理論的目標識別融合技術

7.7基於DSmT理論的目標識別融合技術

7.7.1DSmT的融合過程

7.7.2遞歸目標識別融合

7.8基於屬性測度理論的目標識別融合技術

7.8.1屬性測度基本理論

7.8.2已知指標分類標準的屬性模式識別模型

7.8.3非有序分割類的屬性測度模型

7.8.4屬性測度與DS證據理論相結合的融合識別方法

習題

參考文獻

第8章圖像融合

8.1圖像融合概述

8.1.1圖像融合的概念

8.1.2圖像融合的發展

8.1.3圖像融合的套用

8.2圖像融合的分類

8.2.1像素級圖像融合

8.2.2特徵級圖像融合

8.2.3決策級圖像融合

8.3圖像配準

8.3.1配準的基本概念

8.3.2配準需要解決的問題

8.3.3配準算法

8.3.4變換模型及配準參數估計方法

8.3.5圖像的重採樣和變換

8.4圖像融合算法

8.4.1基於貝葉斯方法的圖像融合

8.4.2基於統計量測最佳化的圖像融合

8.4.3基於ICA的圖像融合

8.4.4基於小波變換的圖像融合

8.5圖像融合的套用

8.5.1遙感圖像融合

8.5.2生物識別技術

習題

參考文獻

第9章時間與空間對準

9.1問題描述

9.2時間對準

9.2.1時間同步技術

9.2.2時間配準技術

9.3坐標變換

9.3.1常用坐標系

9.3.2坐標系的選擇

9.3.3坐標轉換

9.4空間配準算法

9.5量綱對準

習題

參考文獻

第10章目標跟蹤

10.1目標跟蹤的基本概念和原理

10.1.1跟蹤門的形成與選擇

10.1.2數據關聯與跟蹤維持

10.1.3航跡起始與終止

10.1.4漏報與虛警

10.2跟蹤門

10.2.1環形跟蹤門

10.2.2橢圓(球)形跟蹤門

10.2.3矩形跟蹤門

10.2.4扇形跟蹤門

10.3航跡起始

10.3.1航跡起始算法

10.3.2航跡起始中的有關問題討論

10.4目標跟蹤模型

10.4.1運動模型

10.4.2量測模型

10.5目標跟蹤算法

10.5.1基於隨機有限集的多目標跟蹤

10.5.2基於IMM的機動多目標跟蹤

10.5.3基於期望極大化算法的機動目標跟蹤

10.5.4基於模糊推理的目標跟蹤技術

10.6航跡終止與航跡管理

10.6.1多目標跟蹤終結理論

10.6.2航跡管理

10.6.3小結

習題

參考文獻

第11章數據關聯

11.1單目標量測——航跡關聯算法

11.1.1最近鄰方法

11.1.2機率數據關聯

11.1.3互動式多模型機率數據關聯

11.1.4CIMMPDA算法

11.1.5綜合擴展機率數據關聯算法

11.2多目標量測航跡關聯算法

11.2.1聯合機率數據關聯

11.2.2多假設法

11.2.3機率多假設法

11.2.4多維分配數據關聯算法

11.2.5全局最近鄰數據關聯算法

11.2.6單感測器廣義機率數據關聯算法

11.2.7多感測器廣義機率數據關聯算法

11.2.8VDA算法

11.3分散式航跡關聯

11.3.1基於統計的分散式航跡關聯

11.3.2基於模糊推理與灰色理論的航跡關聯

習題

參考文獻

第12章組合導航與信息融合

12.1導航系統概述

12.1.1慣性導航系統

12.1.2全球衛星導航系統

12.1.3景象匹配導航系統

12.1.4其他導航系統

12.1.5組合導航系統

12.2車載GPS/INS/EC組合導航

12.2.1系統硬體軟體結構

12.2.2組合導航估計融合模型

12.2.3實驗結果

12.3亞軌道飛行器GPS/INS/CNS組合導航

12.3.1亞軌道飛行器概述

12.3.2亞軌道飛行器飛行特性分析

12.3.3黑障問題

12.3.4導航系統方案設計

12.3.5融合結構設計

12.3.6仿真分析

12.4無人機INS/SMNS組合導航

12.4.1INS/SMNS組合模式

12.4.2緊耦合INS/SMNS導航特性

12.4.3實驗結果與分析

習題

參考文獻

第13章態勢評估與威脅估計

13.1態勢評估的概念

13.2態勢評估的實現

13.2.1態勢預測

13.2.2態勢關聯

13.2.3態勢評估

13.3態勢評估方法

13.3.1基於模糊聚類的態勢評估方法

13.3.2基於貝葉斯網路的態勢評估

13.3.3基於馬爾科夫模型的態勢評估

13.3.4基於聯合模糊邏輯和貝葉斯網路的態勢評估

13.3.5其他

13.4威脅估計概念

13.4.1威脅估計的定義

13.4.2威脅估計的功能模型

13.4.3威脅估計的主要內容

13.5威脅估計中的知識庫

13.5.1系統的領域知識

13.5.2系統的知識表示

13.5.3系統中的非精確推理

13.5.4系統知識庫的建立

13.6基於層次分析法的威脅估計

13.6.1威脅等級的評判步驟

13.6.2影響目標威脅等級的因素及評判函式的建立

13.6.3各個因子加權係數的確定

13.6.4綜合評判結果確定

13.7基於多因子綜合加權的威脅估計

13.7.1多因子綜合加權法基本原理

13.7.2多因子綜合加權法套用

習題

參考文獻

第14章信息融合中的性能評估

14.1性能評估指標體系

14.1.1指標體系特點及選取原則

14.1.2指標類型

14.1.3劇情設定

14.1.4評估指標

14.2信息融合性能評估的方法

14.2.1信息融合性能評估的解析法

14.2.2信息融合性能評估的Monte Carlo 方法

14.2.3信息融合性能評估的半實物仿真方法

14.2.4信息融合性能評估的試驗驗證法

14.3性能評估舉例

14.3.1跟蹤系統性能評估及指標體系

14.3.2圖像融合技術的性能評估

14.3.3面向效能度量(MOE)的指標體系

14.4其他性能評估舉例

14.4.1基於解析法的雷達與紅外感測器航跡關聯性能評估

14.4.2基於解析法的航跡起始性能評估

14.4.3基於Monte Carlo 仿真的雷達組網高度估計性能評估

習題

參考文獻

第15章感測器管理

15.1信息融合中的感測器管理

15.2感測器管理概述

15.2.1感測器管理概念

15.2.2感測器管理的內容

15.2.3常用感測器及其可管理的參數和模式

15.3感測器管理的系統結構與功能模型

15.3.1感測器管理的系統結構

15.3.2感測器管理的功能模型

15.4感測器管理算法與性能指標體系

15.4.1感測器管理算法簡介

15.4.2感測器管理性能指標體系

15.5工作環境受限的機載多感測器管理

15.5.1狀態變數具有約束條件的感測器管理最優決策模型

15.5.2一種戰場環境下的主/被動式感測器管理方案與算法

15.6基於模糊推理的多因素單平台感測器管理算法

15.6.1考慮目標多因素的感測器管理

15.6.2基於模糊推理的感測器管理

15.6.3仿真研究

15.7基於聯合信息增量的多平台感測器網路管理

15.7.1多感測器多目標跟蹤中的聯合信息增量

15.7.2基於聯合信息增量的集中式網路級感測器管理算法

15.7.3仿真研究

習題

參考文獻