多源數據融合和感測器管理

內容簡介

本書基於編者的研究工作，並借鑑國內外其他學者的成果，力圖較全面、系統地講解信息融合理論、套用、感測器管理以及發展與最新研究成果，特別是在異構、多源、動態、非理想信道、稀疏、錯誤容忍環境下。全書共25章，分為五個部分。第一部分研究現狀，包括多源數據融合概述、信息融合的原理和級別、多源感測器數據融合算法、多感測分布檢測、感測器管理、探討和備註；第二部分數學理論基礎，包括Bayes方法、模糊集理論、粗糙集理論、MonteCarlo理論、DempsterShafer理論、估計理論和濾波器理論；第三部分多源數據融合算法，包括Bayes決策、常態分配時的統計決策、最大最小決策、神經網路、支持向量機和Bayes網路；第四部分多源數據融合套用，包括分散式檢測和融合、目標追蹤的高效管理策略、數據融合的系統校準、目標跟蹤策略算法與數據融合、像素與特徵的圖像融合；第五部分是多感測器管理。本書可作為信息工程、信息融合、模式識別、機器學習、人工智慧、數據分析、軍事決策和電子對抗等專業的本科生和研究生教材，也可供上述相關領域的科技人員閱讀和參考，還可以供雷達、聲吶、雷射、紅外、機器人、導航、交通、醫學、物聯網、泛在網、CPS、遙感、遙測、定位等領域的科技工作者參考學習。

作品目錄

第一部分研究現狀

第1章多源數據融合概述

1.1多感測器數據融合定義

1.2多感測數據融合面臨的問題

習題

第2章信息融合的原理和級別

2.1信息融合的基本原理

2.2信息融合的級別

2.2.1信源

2.2.2信源預處理

2.2.3檢測級融合

2.2.4位置級融合

2.2.5目標識別融合

2.2.6態勢估計

2.2.7威脅估計

2.2.8精細處理

2.2.9資料庫處理

習題

第3章多感測器數據融合算法

3.1有缺陷的數據融合

3.1.1機率融合

3.1.2證據置信度推理

3.1.3融合和模糊推理

3.1.4可能性融合

3.1.5基於粗糙集融合

3.1.6混合融合方法

3.1.7隨機集理論融合

3.2相關數據的融合

3.2.1消除數據關聯性

3.2.2數據融合中存在未知的相關性

3.2.3不一致數據融合

3.2.4虛假數據

3.2.5脫離序列數據

3.2.6衝突數據

3.3融合異質數據

習題

第4章多感測分布檢測

4.1NeymanPearson公式

多源數據融合和感測器管理

基本介紹

內容簡介

作品目錄

相關詞條

熱門詞條