多源信息融合（第3版）

第1章绪论
1.1多源信息融合的一般概念与定义
1.1.1定义
1.1.2多源信息融合的优势
1.1.3应用领域
1.2信息融合系统的模型和结构
1.2.1功能模型
1.2.2信息融合的级别
1.2.3通用处理结构
1.3多源信息融合主要技术和方法
1.4信息融合要解决的几个关键问题
1.5发展起源、现状与未来
1.5.1信息融合发展的起源与现状
1.5.2信息融合的未来发展
1.5.3大数据时代对信息融合的挑战
1.6小结
参考文献
第2章统计推断与估计理论基础
2.1点估计理论基础
2.1.1一般概念
2.1.2Bayes点估计理论
2.1.3BLUE估计
2.1.4WLS估计
2.1.5ML估计
2.1.6PC估计
2.1.7RLS估计与LMS估计
2.2期望极大化(EM)方法
2.2.1概述
2.2.2EM算法描述
2.2.3混合Gauss参数估计的EM算法实例
2.3线性动态系统的滤波理论与算法
2.3.1离散时间线性系统状态估计问题
的一般描述
2.3.2基本Kalman滤波器
2.3.3信息滤波器
2.3.4噪声相关的Kalman滤波器
2.4非线性动态系统的滤波理论与算法
2.4.1扩展Kalman滤波器(EKF)
2.4.2UKF滤波
2.4.3Bayes滤波
2.5基于随机抽样的过程估计理论与算
法
2.5.1传统Bayes估计面临的挑战与解决
的新思路
2.5.2Monte Carlo仿真的随机抽样
2.5.3Markov Chain Monte Carlo抽样
2.5.4粒子滤波的一般方法
2.6混合系统状态估计理论
2.6.1一般描述
2.6.2多模型方法简述
2.6.3定结构多模型估计
2.6.4交互式多模型算法
2.6.5变结构多模型(VSMM)算法概述
2.7小结
参考文献
第3章智能计算与识别理论基础
3.1概述
3.1.1模式识别的一般概念
3.1.2智能学习与统计模式识别
3.2粗糙集理论基础
3.2.1信息系统的一般概念
3.2.2决策系统的不可分辨性
3.2.3集合近似
3.2.4属性约简
3.2.5粗糙隶属度
3.2.6广义粗集
3.3证据理论基础
3.3.1概述
3.3.2mass函数、信度函数与似真度函
数
3.3.3Dempster公式
3.3.4证据推理
3.3.5证据理论中的不确定度指标
3.3.6证据理论存在的主要问题与发展
3.3.7关于证据函数不确定性的研讨
3.4随机集理论基础
3.4.1一般概念
3.4.2概率模型
3.4.3随机集的mass函数模型
3.4.4随机集与模糊集的转换
3.5随机有限集概略
3.5.1概述
3.5.2随机有限集的概念
3.5.3随机有限集的统计
3.5.4典型RFS（随机有限集）分布函数
3.5.5标签RFS
3.5.6随机有限集的Bayes滤波
3.6统计学习理论与支持向量机基础
3.6.1统计学习理论的一般概念
3.6.2学习机的VC维与风险界
3.6.3线性支持向量机
3.6.4非线性支持向量机
3.6.5用于孤立点发现的Oneclass 
SVM算法
3.6.6小二乘支持向量机
3.6.7模糊支持向量机
3.6.8小波支持向量机
3.6.9核主成分分析
3.7Bayes网络基础
3.7.1Bayes网络的一般概念
3.7.2独立性假设
3.7.3一致性概率
3.7.4Bayes网络推断
3.8大数据时代的云计算
3.8.1云计算的概念
3.8.2云计算的快速发展
3.8.3云计算对多源信息融合技术实现
的影响
3.9小结
参考文献
第4章目标跟踪
4.1基本概念与原理
4.2跟踪门
4.2.1滤波残差
4.2.2矩形跟踪门
4.2.3椭球跟踪门
4.2.4其他跟踪门
4.3目标运动模型 
4.3.1机动目标跟踪的数学模型
4.3.2非机动目标动态模型
4.3.3坐标不耦合的目标机动模型
4.3.4二维水平运动模型
4.3.5三维模型
4.4量测模型 
4.4.1传感器坐标模型
4.4.2在各种坐标系中的跟踪
4.4.3混合坐标系的线性化模型
4.4.4笛卡儿坐标系下的模型
4.5雷达量测转换
4.5.1二维去偏量测转换
4.5.2三维去偏量测转换
4.5.3无偏量测转换
4.5.4修正的无偏量测转换
4.6基于雷达量测和BLUE准则的目标跟
踪
4.6.1基于BLUE准则的二维量测转换
4.6.2基于BLUE准则的三维量测转换
4.7带Doppler量测的雷达目标跟踪
4.7.1极坐标系中带Doppler量测的雷达
目标跟踪
4.7.2球坐标系中带Doppler量测的雷达
目标跟踪
4.8时间配准
4.8.1问题描述
4.8.2小二乘时间配准算法
4.8.3基于B样条插值的时间配准算法［
101］
4.8.4自适应变长滑窗的时间配准算法
［100］
4.9空间配准
4.9.1问题描述
4.9.2常用坐标系
4.9.3坐标转换
4.9.4空间配准算法概述
4.9.5二维空间配准算法
4.9.6精确极大似然空间配准算法
4.9.7基于地心坐标系的空间配准算法
4.9.8基于位置信息的异步传感器空间
配准算法
4.10基于随机有限集的多目标跟踪概述
4.10.1RFS目标运动和量测模型
4.10.2PHD（概率假设密度）滤波器
4.10.3CPHD（基数概率假设密度）滤波
器
4.10.4GMPHD（混合高斯PHD）滤波器
4.10.5CBMeMBer滤波器
4.10.6GLMB(基于广义标签多伯努利）
滤波器
4.11小结
参考文献
第5章检测融合
5.1概论
5.2并行结构融合系统的分布式检
测融合算法
5.2.1系统描述
5.2.2分布式检测的必要条件
5.2.3传感器观测独立条件下的分
布式检测
5.2.4实例计算
5.3串行结构融合系统的分布式检
测融合算法
5.3.1系统描述
5.3.2传感器观测独立条件下分布
式检测的必要条件
5.3.3传感器观测独立条件下的分
布式检测  
5.3.4实例计算
5.4树形结构融合系统的分布式检
测融合算法
5.4.1系统描述
5.4.2结点观测独立条件下分布式
检测的必要条件
5.4.3结点观测独立条件下的分布
式检测
5.4.4实例计算
5.5分布式量化检测系统
5.5.1系统描述
5.5.2分布式量化检测的必要条件
5.5.3传感器观测独立条件下的分
布式量化检测
5.5.4实例计算
5.6分布式NP检测融合系统
5.6.1分布式量化检测的必要条件
5.6.2传感器观测独立条件下的分
布式检测
5.6.3传感器观测相关条件下的次优分
布式检测
5.6.4分布式硬决策NP检测融合系统 
5.6.5实例计算
5.7小结
参考文献
第6章估计融合
6.1估计融合系统结构
6.2集中式融合系统
6.2.1并行滤波
6.2.2序贯滤波
6.2.3数据压缩滤波
6.3分布式融合系统
6.3.1分布式融合结构
6.3.2航迹融合中各传感器局部估计误
差相关的原因
6.3.3简单凸组合融合算法
6.3.4BarShalomCampo融合算法
6.3.5不带反馈的分布式估计融合
6.3.6带反馈的分布式估计融合
6.3.7无中心化分布式信息融合
6.4状态估计的其他方法
6.4.1后验概率状态估计融合
6.4.2集中式估计的重构
6.5协方差交叉法
6.5.1问题描述
6.5.2相关程度已知的相关估计量
融合
6.5.3相关程度未知的相关估计量
融合
6.6联邦滤波器
6.6.1问题描述
6.6.2方差上界技术
6.6.3联邦滤波器的一般结构
6.6.4联邦滤波器的工作流程
6.6.5联邦滤波器的性证明
6.6.6联邦滤波器的四种结构
6.6.7联邦滤波器四种结构的比较
6.6.8联邦滤波器的特点
6.6.9联邦滤波器的两种简化形式
6.7线性估计融合与统一融合规则
6.7.1问题描述
6.7.2统一线性数据模型
6.7.3对于线性数据模型的统一融
合规则
6.7.4一般线性融合规则
6.8非线性分层融合算法
6.9为什么需要估计融合
6.9.1中心式融合
6.9.2分布式融合
6.10小结
参考文献
第7章数据关联
7.1引言
7.2量测航迹关联算法： 经典方法
7.2.1近邻方法
7.2.2概率数据关联
7.2.3交互式多模型概率数据关联
7.2.4联合概率数据关联
7.2.5多传感联合概率数据关联
7.3量测航迹关联的其他方法
7.3.1基于粒子滤波的联合概率数据关
联
7.3.2多假设方法
7.3.3概率多假设方法
7.3.4基于期望极大化算法的杂波环境
下机动目标跟踪
7.4集中式多传感多目标跟踪的广义S
维分配算法
7.5多目标跟踪起始与跟踪终止算法
7.5.1跟踪起始方法
7.5.2跟踪终止方法
7.5.3基于目标可感知性的决策方法
7.6分布式航迹关联
7.6.1基本符号
7.6.2两个传感器之间的航迹关联
7.6.3多传感器之间的航迹关联
7.7小结
参考文献
第8章异步融合
8.1异步融合的一般概念
8.2顺序量测异步融合
8.2.1问题描述
8.2.2顺序量测异步融合算法
8.3单个非顺序量测异步融合问题
8.3.1非顺序量测问题产生的原因
8.3.2非顺序量测问题的数学描述
8.3.3非顺序量测问题的主要处理算法
8.3.4直接更新法的通解
8.4单个非顺序量测一步滞后滤波
8.4.1A1算法
8.4.2B1算法
8.4.3C1算法
8.4.4各种算法比较
8.5单个非顺序量测多步滞后滤波
8.5.1Bl算法
8.5.2Al1与Bl1算法
8.5.3Zl算法
8.6多OOSM多步滞后滤波
8.7小结
参考文献
第9章图像融合
9.1图像融合概述
9.1.1图像融合的一般概念
9.1.2图像融合的发展
9.1.3图像融合的简单应用实例
9.2图像融合的分类
9.2.1像素级图像融合
9.2.2特征级图像融合
9.2.3决策级图像融合
9.2.4三个图像融合层次的性能比较
9.3图像配准
9.3.1配准的基本概念
9.3.2配准需要解决的问题
9.3.3配准算法
9.3.4变换模型及配准参数估计方法
9.3.5图像的重采样和变换
9.4图像融合算法
9.4.1简单图像融合算法
9.4.2基于金字塔分解的图像融合算法
9.4.3基于小波变换的图像融合算法
9.4.4其他图像融合算法
9.5遥感图像融合
9.5.1遥感图像融合概述
9.5.2遥感图像数据融合的基本框架
9.5.3基于粗糙集的特征选择与多源遥
感图像融合分类
9.5.4用于目标搜索的融合框架设计
9.6基于图像融合的目标跟踪
9.6.1图像跟踪的一般理论
9.6.2图像跟踪的工程算法
9.6.3图像跟踪的一般过程
9.7基于视频SAR图像序列的动目标阴影
联合监测与跟踪
9.7.1多个弱小机动目标联合检测与跟
踪
9.7.2时变数目动目标联合检测与跟踪
9.7.3该项研究的创新点
9.8图像融合的评价标准
9.8.1主观评价标准
9.8.2客观评价标准
9.9小结
参考文献
第10章异类融合
10.1概述
10.2基于雷达检测与红外检测融合处理
的目标跟踪
10.2.1问题概述
10.2.2算法描述
10.3基于音频和视频特征融合的身份识
别
10.3.1问题概述
10.3.2音频特征提取
10.3.3视频特征提取
10.3.4分类
10.3.5多形态融合
10.4杂波环境中基于异类信息融合的目
标跟踪
10.4.1问题描述
10.4.2概率生成模型
10.4.3对于音频视频数据的一个概率
生成模型
10.4.4基于音频视频数据融合的参数
估计与目标跟踪
10.4.5融合与跟踪结果
10.5共同杂波环境中基于异类信息的多
传感误差传递与校正
10.5.1概述
10.5.2问题描述与基本原理
10.5.3目标1量测数据的误差标定与分
离算法
10.5.4从目标1量测数据到目标2量测数
据的误差传递算法
10.5.5目标2量测数据的误差校正算法
10.6多源异类信息融合的一般方法论探
讨
10.6.1多源异类信息融合的一般概念
10.6.2多源异类信息融合的基本思路
10.6.3多源异类信息融合的方法论探讨
10.7多源异类信息融合的传感器管理
10.7.1传感器管理的定义及问题描述
10.7.2传感器管理方法的起源与发展
10.7.3传感器管理方法研究现状
10.7.4基于目标威胁度的传感器管理方
法研究
10.8小结
参考文献
第11章智能交通与智能车辆的信息融合
11.1智能交通系统概述
11.1.1一般概念
11.1.2发展过程
11.1.3智能交通的主要研究方向
11.1.4我国ITS发展现状
11.1.5智能交通系统的发展方向
11.2智能车辆系统概述
11.2.1主要研究内容
11.2.2研究与应用现状
11.2.3多传感技术应用
11.3基于多传感信息融合的路径规划与
自动导航
11.3.1基于多传感信息融合的路径规划
11.3.2基于多传感信息融合的自动导航
11.4智能车辆系统的障碍规避与防碰撞
11.4.1智能车辆防碰撞系统的研究内容
11.4.2智能车辆防碰撞系统的组成
11.4.3自适应巡航控制系统的关键技术
11.4.4当前存在的问题
11.5基于证据推理的多传感器信息融合
的道路车辆跟踪
11.5.1引言
11.5.2车载传感器数据关联的证据理论
实现
11.5.3仿真示例
11.6小结
参考文献
第12章态势评估和威胁估计
12.1前言
12.2决策级融合中的态势评估
12.2.1态势的概念
12.2.2现代战争中的态势评估
12.2.3基于战争环境的威胁估计
12.3态势评估的实现
12.3.1态势评估的特点
12.3.2态势评估过程
12.3.3态势评估的事后分析
12.4一个简单的应用实例
12.4.1问题描述
12.4.2系统建模
12.5常用的态势评估方法
12.5.1推理理论
12.5.2模糊集理论
12.5.3专家系统方法
12.5.4黑板模型
12.5.5进化算法
12.5.6多智能体理论
12.6小结
参考文献