多源信息融合理论及应用PDF|Epub|txt|kindle电子书版本网盘下载

多源信息融合理论及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1多源信息融合的一般概念1

1.1.1多源信息融合的提出及定义4

1.1.2多源信息融合的优势5

1.2多源信息融合的功能模型6

1.2.1经典的功能模型6

1.2.2其他功能模型10

1.3多源信息融合的系统结构12

1.3.1集中式结构12

1.3.2分布式结构13

1.3.3混合式结构15

1.4多源信息融合中的数学方法15

1.4.1估计理论方法15

1.4.2不确定性推理方法16

1.4.3智能计算与模式识别理论16

1.5多源信息融合的发展过程及研究现状16

1.6多源信息融合的应用18

1.6.1民事上的应用19

1.6.2军事上的应用21

习题22

参考文献23

第2章 估计理论29

2.1估计准则29

2.1.1最小二乘估计和加权最小二乘估计29

2.1.2最小方差估计和线性最小方差估计30

2.1.3极大似然估计和极大后验估计32

2.2最优贝叶斯滤波33

2.3线性动态系统状态滤波35

2.3.1卡尔曼滤波器35

2.3.2信息滤波器36

2.4非线性动态系统状态滤波38

2.4.1扩展卡尔曼滤波器38

2.4.2强跟踪滤波器40

2.4.3 UT变换和UKF41

2.4.4差分滤波器44

2.4.5粒子滤波器46

2.5混合系统多模型估计51

2.5.1一般描述52

2.5.2多模型估计实现52

2.5.3定结构多模型估计54

2.5.4交互式多模型算法57

2.5.5变结构多模型算法59

2.6期望最大化方法63

2.6.1概述63

2.6.2 EM算法描述64

2.6.3混合高斯参数估计的EM算法实例66

习题67

参考文献70

第3章 不确定性推理理论72

3.1主观贝叶斯方法72

3.1.1贝叶斯条件概率公式72

3.1.2贝叶斯方法在信息融合中的应用72

3.1.3主观贝叶斯方法的优缺点73

3.2 D-S证据推理74

3.2.1证据理论的基本概念74

3.2.2证据理论的组合规则75

3.2.3基于证据理论的决策75

3.2.4证据理论的优缺点76

3.3不确定性推理方法之三——DSmT77

3.3.1 DSmT的基本概念77

3.3.2 DSmT的组合规则78

3.3.3 DSmT的优缺点80

3.4主观贝叶斯方法、D-S证据理论和DSmT的比较81

3.5模糊集合理论81

3.5.1模糊集合与隶属度82

3.5.2模糊聚类82

3.6模糊逻辑85

3.7模糊推理85

3.8模糊积分86

3.9可能性理论87

习题88

参考文献89

第4章 信息融合其他数学基础91

4.1粗糙集理论91

4.1.1基本概念91

4.1.2粗糙集理论在信息融合中的应用94

4.2随机集理论94

4.2.1一般概念94

4.2.2概率模型97

4.2.3随机集的mass函数模型98

4.3灰色系统理论99

4.3.1灰色系统理论的两条基本原理100

4.3.2数据变换技术100

4.4支持向量机理论102

4.4.1最优分类超平面102

4.4.2线性可分的最优分类面103

4.4.3线性不可分的最优分类面104

4.4.4非线性支持向量机105

4.5信息熵理论105

4.5.1有关熵的概念105

4.5.2观测系统的信息融合问题106

4.5.3观测决策融合系统的信息融合问题107

4.5.4融合系统的熵的结构关系107

4.6神经网络109

4.6.1人工神经元模型109

4.6.2神经网络的激活函数109

4.6.3神经网络的结构110

4.6.4神经网络的学习方法110

4.7遗传算法112

4.7.1遗传算法的基本流程112

4.7.2编码方法113

4.7.3适应度函数114

4.7.4选择算子115

4.7.5交叉算子116

4.7.6变异算子116

4.8贝叶斯网络基础117

4.8.1贝叶斯网络的一般概念117

4.8.2独立性假设117

4.8.3一致性概率118

4.8.4贝叶斯网络推断119

习题120

参考文献121

第5章 检测融合123

5.1引言123

5.2假设检验124

5.2.1假设检验问题描述124

5.2.2似然比判决准则125

5.3检测融合结构模型130

5.3.1集中式融合检测结构130

5.3.2分布式融合检测结构130

5.4基于并行结构的分布式检测融合131

5.4.1并行分布式融合检测系统结构131

5.4.2并行分布式最优检测132

5.5基于串行结构的分布式检测融合133

5.5.1串行分布式融合检测系统结构134

5.5.2串行分布式最优检测134

5.6树状分布式检测融合136

5.6.1树状分布式融合检测系统结构136

5.6.2树状分布式最优检测137

5.7反馈网络中的分布式检测融合138

5.7.1反馈并联网络的融合与局部判决规则138

5.7.2系统的性能描述140

5.7.3并联反馈网络应用举例141

5.8分布式恒虚警概率检测143

5.8.1 CFAR检测143

5.8.2分布式CFAR检测145

习题147

参考文献148

第6章 估计融合150

6.1估计融合系统结构150

6.2多传感器系统数学模型152

6.2.1线性系统153

6.2.2非线性系统153

6.3集中式融合系统154

6.3.1并行滤波155

6.3.2序贯滤波156

6.4分布式估计融合157

6.4.1不带反馈信息的分布式估计融合157

6.4.2带反馈信息的分布式融合160

6.4.3全信息估计融合163

6.5基于协方差交集的分布式数据融合166

6.5.1问题描述166

6.5.2相关程度已知的相关估计量最优融合166

6.5.3相关程度未知的相关估计量最优融合168

6.6混合式估计融合171

6.6.1顺序估计172

6.6.2加权估计173

6.7多级式估计融合173

6.7.1不带反馈信息的多级式估计融合174

6.7.2带反馈信息的多级式估计融合178

6.8联邦滤波器182

6.8.1问题描述182

6.8.2方差上界技术183

6.8.3联邦滤波器的一般结构186

6.8.4联邦滤波器的工作流程186

6.8.5联邦滤波器的最优性证明188

6.9异步估计融合190

6.9.1系统方程描述191

6.9.2集中式异步估计融合191

6.9.3分布式异步估计融合194

习题196

参考文献197

第7章 识别融合199

7.1目标识别融合概述199

7.2基于模糊集合理论的目标识别融合技术199

7.2.1基于模糊贴近和不确定理论的识别方法199

7.2.2基于可能性理论的识别模型202

7.2.3基于多属性模糊加权方法的目标识别204

7.2.4基于模糊综合函数的目标识别207

7.3基于粗糙集理论的目标识别融合理论207

7.3.1关系数据模型207

7.3.2建立知识系统208

7.3.3基于粗糙集理论的权值确定方法208

7.3.4基于决策表的分类规则209

7.4基于D-S证据理论的目标识别融合技术209

7.4.1互不相容数据结构的递归目标识别融合209

7.4.2相容数据结构的递归目标识别空间融合211

7.5基于灰色系统理论的目标识别融合技术213

7.5.1灰关联分析识别融合算法[12]213

7.5.2基于D-S推理的灰关联分析融合方法215

7.6基于极大后验概率理论的目标识别融合技术216

7.7基于DSmT理论的目标识别融合技术217

7.7.1 DSmT的融合过程217

7.7.2递归目标识别融合218

7.8基于属性测度理论的目标识别融合技术219

7.8.1属性测度基本理论219

7.8.2已知指标分类标准的属性模式识别模型221

7.8.3非有序分割类的属性测度模型222

7.8.4属性测度与D-S证据理论相结合的融合识别方法225

习题227

参考文献228

第8章 图像融合230

8.1图像融合概述230

8.1.1图像融合的概念230

8.1.2图像融合的发展230

8.1.3图像融合的应用231

8.2图像融合的分类234

8.2.1像素级图像融合234

8.2.2特征级图像融合237

8.2.3决策级图像融合244

8.3图像配准247

8.3.1配准的基本概念247

8.3.2配准需要解决的问题248

8.3.3配准算法250

8.3.4变换模型及配准参数估计方法257

8.3.5图像的重采样和变换258

8.4图像融合算法258

8.4.1基于贝叶斯方法的图像融合258

8.4.2基于统计量测优化的图像融合266

8.4.3基于ICA的图像融合276

8.4.4基于小波变换的图像融合280

8.5图像融合的应用285

8.5.1遥感图像融合285

8.5.2生物识别技术288

习题291

参考文献291

第9章 时间与空间对准297

9.1问题描述297

9.2时间对准299

9.2.1时间同步技术301

9.2.2时间配准技术301

9.3坐标变换307

9.3.1常用坐标系307

9.3.2坐标系的选择308

9.3.3坐标转换308

9.4空间配准算法314

9.5量纲对准319

习题319

参考文献320

第10章 目标跟踪325

10.1目标跟踪的基本概念和原理325

10.1.1跟踪门的形成与选择325

10.1.2数据关联与跟踪维持325

10.1.3航迹起始与终止326

10.1.4漏报与虚警326

10.2跟踪门327

10.2.1环形跟踪门327

10.2.2椭圆（球）形跟踪门328

10.2.3矩形跟踪门329

10.2.4扇形跟踪门330

10.3航迹起始330

10.3.1航迹起始算法330

10.3.2航迹起始中的有关问题讨论337

10.4目标跟踪模型338

10.4.1运动模型338

10.4.2量测模型354

10.5目标跟踪算法358

10.5.1基于随机有限集的多目标跟踪358

10.5.2基于IMM的机动多目标跟踪362

10.5.3基于期望极大化算法的机动目标跟踪369

10.5.4基于模糊推理的目标跟踪技术372

10.6航迹终止与航迹管理375

10.6.1多目标跟踪终结理论375

10.6.2航迹管理379

10.6.3小结390

习题390

参考文献392

第11章 数据关联397

11.1单目标量测——航迹关联算法397

11.1.1最近邻方法397

11.1.2概率数据关联397

11.1.3交互式多模型概率数据关联401

11.1.4 C-IMMPDA算法404

11.1.5综合扩展概率数据关联算法407

11.2多目标量测航迹关联算法414

11.2.1联合概率数据关联414

11.2.2多假设法420

11.2.3概率多假设法422

11.2.4多维分配数据关联算法427

11.2.5全局最近邻数据关联算法432

11.2.6单传感器广义概率数据关联算法433

11.2.7多传感器广义概率数据关联算法443

11.2.8 VDA算法447

11.3分布式航迹关联448

11.3.1基于统计的分布式航迹关联448

11.3.2基于模糊推理与灰色理论的航迹关联449

习题449

参考文献450

第12章 组合导航与信息融合453

12.1导航系统概述453

12.1.1惯性导航系统453

12.1.2全球卫星导航系统454

12.1.3景象匹配导航系统455

12.1.4其他导航系统456

12.1.5组合导航系统457

12.2车载GPS/INS/EC组合导航457

12.2.1系统硬件软件结构457

12.2.2组合导航估计融合模型459

12.2.3实验结果462

12.3亚轨道飞行器GPS/INS/CNS组合导航467

12.3.1亚轨道飞行器概述467

12.3.2亚轨道飞行器飞行特性分析468

12.3.3黑障问题469

12.3.4导航系统方案设计470

12.3.5融合结构设计471

12.3.6仿真分析472

12.4无人机INS/SMNS组合导航475

12.4.1 INS/SMNS组合模式475

12.4.2紧耦合INS/SMNS导航特性476

12.4.3实验结果与分析478

习题480

参考文献481

第13章 态势评估与威胁估计483

13.1态势评估的概念483

13.2态势评估的实现484

13.2.1态势预测484

13.2.2态势关联487

13.2.3态势评估489

13.3态势评估方法490

13.3.1基于模糊聚类的态势评估方法490

13.3.2基于贝叶斯网络的态势评估492

13.3.3基于马尔科夫模型的态势评估495

13.3.4基于联合模糊逻辑和贝叶斯网络的态势评估496

13.3.5其他499

13.4威胁估计概念500

13.4.1威胁估计的定义500

13.4.2威胁估计的功能模型501

13.4.3威胁估计的主要内容502

13.5威胁估计中的知识库504

13.5.1系统的领域知识504

13.5.2系统的知识表示506

13.5.3系统中的非精确推理507

13.5.4系统知识库的建立509

13.6基于层次分析法的威胁估计509

13.6.1威胁等级的评判步骤509

13.6.2影响目标威胁等级的因素及评判函数的建立510

13.6.3各个因子加权系数的确定512

13.6.4综合评判结果确定513

13.7基于多因子综合加权的威胁估计514

13.7.1多因子综合加权法基本原理514

13.7.2多因子综合加权法应用515

习题517

参考文献518

第14章 信息融合中的性能评估520

14.1性能评估指标体系520

14.1.1指标体系特点及选取原则520

14.1.2指标类型521

14.1.3剧情设定521

14.1.4评估指标523

14.2信息融合性能评估的方法527

14.2.1信息融合性能评估的解析法527

14.2.2信息融合性能评估的Monte Carlo方法527

14.2.3信息融合性能评估的半实物仿真方法528

14.2.4信息融合性能评估的试验验证法530

14.3性能评估举例530

14.3.1跟踪系统性能评估及指标体系530

14.3.2图像融合技术的性能评估545

14.3.3面向效能度量（MOE）的指标体系561

14.4其他性能评估举例568

14.4.1基于解析法的雷达与红外传感器航迹关联性能评估568

14.4.2基于解析法的航迹起始性能评估570

14.4.3基于Monte Carlo仿真的雷达组网高度估计性能评估572

习题574

参考文献575

第15章 传感器管理577

15.1信息融合中的传感器管理577

15.2传感器管理概述578

15.2.1传感器管理概念578

15.2.2传感器管理的内容579

15.2.3常用传感器及其可管理的参数和模式580

15.3传感器管理的系统结构与功能模型585

15.3.1传感器管理的系统结构585

15.3.2传感器管理的功能模型588

15.4传感器管理算法与性能指标体系591

15.4.1传感器管理算法简介591

15.4.2传感器管理性能指标体系596

15.5工作环境受限的机载多传感器管理600

15.5.1状态变量具有约束条件的传感器管理最优决策模型600

15.5.2一种战场环境下的主/被动式传感器管理方案与算法601

15.6基于模糊推理的多因素单平台传感器管理算法605

15.6.1考虑目标多因素的传感器管理606

15.6.2基于模糊推理的传感器管理608

15.6.3仿真研究613

15.7基于联合信息增量的多平台传感器网络管理617

15.7.1多传感器多目标跟踪中的联合信息增量617

15.7.2基于联合信息增量的集中式网络级传感器管理算法619

15.7.3仿真研究621

习题624

参考文献625