多源信息融合PDF|Epub|txt|kindle电子书版本网盘下载

多源信息融合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

目录1

第1章　绪论1

1.1　多源信息融合的一般概念与定义1

1.1.1　定义1

1.1.2　多源信息融合的优势2

1.1.3　应用领域3

1.2　信息融合系统的模型和结构4

1.2.1 功能模型4

1.2.2　数据融合的级别6

1.2.3　通用处理结构8

1.3　多源信息融合的主要技术和方法10

1.4　信息融合要解决的几个关键问题11

1.5　发展起源、现状与未来12

参考文献13

第2章　统计推断与估计理论基础16

2.1　点估计理论基础16

2.1.1 一般概念16

2.1.2　Bayes点估计理论17

2.1.3　BLUE估计19

2.1.4　WLS估计19

2.1.6　主成分估计20

2.1.5　ML估计20

2.1.7　RLS估计与LMS估计23

2.2　期望极大化（EM）方法25

2.2.1 概述25

2.2.2　EM算法描述26

2.2.3　混合Gauss参数估计的EM算法实例27

2.3　线性动态系统的滤波理论与算法29

2.3.1　离散时间线性系统状态估计问题的一般描述29

2.3.2　基本Kalman滤波器31

2.3.3　信息滤波器32

2.3.4　噪声相关的Kalman滤波器33

2.4　非线性动态系统的滤波理论与算法35

2.4.1 扩展Kalman滤波器（EKF）35

2.4.2 UKF滤波38

2.4.3　Bayes滤波40

2.5　基于随机采样的过程估计理论与算法41

2.5.1 传统Bayes估计面临的挑战与解决的新思路41

2.5.2　Monte Carlo仿真的随机采样42

2.5.3 Markov chain Monte Carlo采样44

2.5.4　粒子滤波的一般方法48

2.6.2　多模型方法简述55

2.6　混合系统状态估计理论55

2.6.1 一般描述55

2.6.3　定结构多模型估计57

2.6.4　交互式多模型算法60

2.6.5 变结构多模型（VSMM）算法概述62

2.7　小结66

参考文献67

第3章 智能计算与识别理论基础69

3.1 概述69

3.1.1　模式识别的一般概念69

3.1.2　智能学习与统计模式识别70

3.2　粗糙集理论基础71

3.2.1　信息系统的一般概念71

3.2.2　决策系统的不可分辨性72

3.2.3　集合近似73

3.2.4　属性约简75

3.2.5　粗糙隶属度80

3.3　证据理论基础82

3.3.1 概述82

3.3.2　mass函数、信任测度与似然测度82

3.3.3　Dempster-Shafer合成公式86

3.3.4　证据推理88

3.4.1　一般概念90

3.4　随机集理论基础90

3.4.2　概率模型93

3.4.3　随机集的mass函数模型95

3.5　统计学习理论与支持向量机基础96

3.5.1　统计学习理论的一般概念96

3.5.2　学习机的VC维与风险界98

3.5.3　线性支持向量机102

3.5.4　非线性支持向量机105

3.5.6　最小二乘支持向量机108

3.5.5　用于孤立点发现的One-class SVM算法108

3.5.7　模糊支持向量机109

3.5.8　小波支持向量机110

3.5.9　核主成分分析111

3.6　Bayes网络基础113

3.6.1　Bayes网络的一般概念113

3.6.2　独立性假设114

3.6.3　一致性概率116

3.6.4　Bayes网络推断118

参考文献121

3.7　小结121

4.1　基本概念与原理124

第4章 目标跟踪124

4.2　跟踪门126

4.2.1 滤波残差126

4.2.2　矩形跟踪门126

4.3　目标动态模型127

4.3.1　机动目标跟踪的数学模型127

4.2.4　其他跟踪门127

4.2.3　椭球跟踪门127

4.3.2　非机动目标动态模型128

4.3.3　坐标不耦合的目标机动模型129

4.3.4　二维水平运动模型135

4.3.5　三维模型137

4.4　量测模型139

4.4.1　传感器坐标模型139

4.4.2　在各种坐标系中的跟踪140

4.4.3　混合坐标系的线性化模型141

4.4.4　笛卡儿坐标系下的模型144

4.5.1　二维去偏量测转换145

4.5　雷达量测转换145

4.5.2　三维去偏量测转换147

4.5.3　无偏量测转换149

4.5.4　修正的无偏量测转换152

4.6　基于雷达量测和BLUE准则的目标跟踪155

4.6.1 基于BLUE准则的二维量测转换155

4.6.2 基于BLUE准则的三维量测转换158

4.7　带Doppler量测的雷达目标跟踪162

4.7.1　极坐标系中带Doppler量测的雷达目标跟踪162

4.7.2　球坐标系中带Doppler量测的雷达目标跟踪167

4.8.1 问题描述171

4.8　时间与空间配准171

4.8.2　时间配准算法172

4.8.3　常用坐标系173

4.8.4　坐标转换173

4.8.5　空间配准算法概述176

4.8.6　二维空间配准算法177

4.8.7　精确极大似然空间配准算法180

4.8.8　基于地心坐标系的空间配准算法184

4.9　小结188

参考文献188

5.1　概论193

第5章　检测融合193

5.2　并行结构融合系统的最优分布式检测融合算法195

5.2.1 系统描述195

5.2.2　最优分布式检测的必要条件196

5.2.3　传感器观测独立条件下的最优分布式检测198

5.2.4　实例计算200

5.3 串行结构融合系统的最优分布式检测融合算法201

5.3.1 系统描述201

5.3.2　传感器观测独立条件下最优分布式检测的必要条件202

5.3.3　传感器观测独立条件下的最优分布式检测204

5.3.4　实例计算207

5.4　树形结构融合系统的最优分布式检测融合算法207

5.4.1　系统描述208

5.4.2　结点观测独立条件下最优分布式检测的必要条件209

5.4.3　结点观测独立条件下的最优分布式检测210

5.4.4　实例计算213

5.5　分布式量化检测系统214

5.5.1 系统描述214

5.5.2　最优分布式量化检测的必要条件215

5.5.3　传感器观测独立条件下的最优分布式量化检测217

5.5.4　实例计算219

5.6　分布式N-P检测融合系统221

5.6.1　最优分布式量化检测的必要条件221

5.6.2　传感器观测独立条件下的最优分布式检测223

5.6.3　传感器观测相关条件下的次优分布式检测224

5.6.4　分布式硬决策N-P检测融合系统226

5.6.5　实例计算227

5.7　小结228

参考文献229

第6章　估计融合231

6.1　估计融合系统结构231

6.2　集中式融合系统233

6.2.1 并行滤波234

6.2.2　序贯滤波235

6.2.3　数据压缩滤波235

6.3　分布式融合系统238

6.3.1　分布式融合结构238

6.3.2　航迹融合中各传感器局部估计误差相关的原因239

6.3.3　简单凸组合融合算法240

6.3.4 Bar Shalom-Campo融合算法241

6.3.5　不带反馈的最优分布式估计融合245

6.3.6　带反馈的最优分布式估计融合247

6.3.7　最大后验概率状态估计融合251

6.3.8　最优的集中式估计的重构254

6.4　协方差交叉法257

6.4.1 问题描述257

6.4.2　相关程度已知的相关估计量最优融合258

6.4.3　相关程度未知的相关估计量最优融合260

6.5　联邦滤波器262

6.5.1 问题描述263

6.5.2　方差上界技术263

6.5.3　联邦滤波器的一般结构266

6.5.4　联邦滤波器的工作流程266

6.5.5　联邦滤波器的最优性证明268

6.5.6　联邦滤波器的四种结构270

6.5.7　联邦滤波器四种结构的比较273

6.5.8　联邦滤波器的特点273

6.5.9　联邦滤波器的两种简化形式274

6.6　最优线性估计融合与统一融合规则274

6.6.1 问题描述274

6.6.2　统一线性数据模型275

6.6.3　对于线性数据模型的统一最优融合规则277

6.6.4　一般的最优的线性融合规则284

参考文献286

6.7　小结286

第7章　数据关联290

7.1　引言290

7.2　量测-航迹关联算法：经典方法291

7.2.1　最近邻方法291

7.2.2　概率数据关联291

7.2.3　交互式多模型概率数据关联294

7.2.4　联合概率数据关联297

7.2.5　多传感联合概率数据关联303

7.3.1　基于粒子滤波的联合概率数据关联305

7.3　量测-航迹关联的其他方法305

7.3.2　多假设方法307

7.3.3　概率多假设方法310

7.3.4　基于期望极大化算法的杂波环境下机动目标跟踪316

7.4　集中式多传感多目标跟踪的广义S-维分配算法318

7.5　多目标跟踪起始与跟踪终止算法320

7.5.1　跟踪起始方法321

7.5.2　跟踪终止方法325

7.5.3　基于目标可感知性的决策方法325

7.6　分布式航迹关联329

7.6.2　两个传感器之间的航迹关联330

7.6.1　基本符号330

7.6.3　多传感器之间的航迹关联332

7.7　小结334

参考文献334

第8章　异步融合338

8.1　异步融合的一般概念338

8.2　顺序量测异步融合338

8.2.1 问题描述338

8.2.2　顺序量测异步融合算法340

8.3.2　非顺序量测问题的数学描述341

8.3　单个非顺序量测异步融合问题341

8.3.1　非顺序量测问题产生的原因341

8.3.3　非顺序量测问题的主要处理算法342

8.3.4　直接更新法的通解343

8.4　单个非顺序量测一步滞后滤波344

8.4.1　A1算法344

8.4.2　B1算法346

8.4.3　C1算法347

8.4.4　各种算法比较348

8.5.1　Bl算法349

8.5　单个非顺序量测多步滞后滤波349

8.5.2　Al1与Bl1算法354

8.5.3　Zl算法358

8.6　多OOSM多步滞后滤波360

8.7　小结361

参考文献361

第9章　图像融合364

9.1　图像融合概述364

9.1.1 图像融合的一般概念364

9.1.2 图像融合的发展364

9.1.3　图像融合的简单应用实例365

9.2　图像融合的分类369

9.2.1　像素级图像融合369

9.2.2　特征级图像融合370

9.2.3　决策级图像融合371

9.2.4　三个图像融合层次的性能比较372

9.3 图像配准373

9.3.1　配准的基本概念373

9.3.2　配准需要解决的问题374

9.3.3　配准算法375

9.3.4　变换模型及配准参数估计方法383

9.3.5　图像的重采样和变换384

9.4.1　简单图像融合算法385

9.4　图像融合算法385

9.4.2　基于金字塔分解的图像融合算法386

9.4.3　基于小波变换的图像融合算法392

9.4.4　其他图像融合算法396

9.5　遥感图像融合397

9.5.1　遥感图像融合概述397

9.5.2　遥感图像数据融合的基本框架398

9.5.3　基于粗糙集的特征选择与多源遥感图像融合分类398

9.6.1 图像跟踪的一般理论401

9.5.4　用于目标搜索的融合框架设计401

9.6　基于图像融合的目标跟踪401

9.6.2 图像跟踪的工程算法403

9.6.3　图像跟踪的一般过程405

9.7 图像融合的评价标准416

9.7.1　主观评价标准416

9.7.2　客观评价标准416

9.8　小结418

参考文献419

10.1 概述424

第10章　异类融合424

10.2　基于雷达检测与红外检测融合处理的目标跟踪425

10.2.1 问题概述425

10.2.2　算法描述426

10.3　基于音频和视频特征融合的身份识别428

10.3.1 问题概述428

10.3.2　音频特征提取429

10.3.3　视频特征提取430

10.3.4　分类432

10.4.1 问题描述433

10.4　杂波环境中基于异类信息融合的目标跟踪433

10.3.5　多形态融合433

10.4.2　概率生成模型434

10.4.3　对于音频-视频数据的一个概率生成模型435

10.4.4　基于音频-视频数据融合的参数估计与目标跟踪437

10.4.5　融合与跟踪结果440

10.5 小结441

参考文献442

第11章 智能交通与信息融合443

11.1　智能交通系统概述443

11.1.1 一般概念443

11.1.2　发展过程444

11.1.3　主要研究方向445

11.1.4　我国ITS发展现状446

11.1.5　智能交通系统的发展方向447

11.2　智能车辆系统概述447

11.2.1 主要研究内容447

11.2.2　研究与应用现状449

11.2.3　多传感技术应用450

11.3　基于多传感信息融合的路径规划与自动导航451

11.3.1　基于多传感信息融合的路径规划451

11.3.2　基于多传感信息融合的自动导航453

11.4　智能车辆系统的障碍规避与防碰撞459

11.4.1　智能车辆防碰撞系统的研究内容459

11.4.2　智能车辆防碰撞系统的组成461

11.4.3 自适应巡航控制系统的关键技术462

11.4.4 当前存在的问题463

11.5　基于证据推理的多传感器信息融合的道路车辆跟踪463

11.5.1 引言463

11.5.2　车载传感器数据关联的D-S实现464

11.5.3　仿真示例467

参考文献471

11.6　小结471

第12章　态势评估和威胁估计474

12.1 前言474

12.2　决策级融合中的态势评估474

12.2.1　态势的概念475

12.2.2　现代战争中的态势评估475

12.2.3　基于战争环境的威胁估计477

12.3　态势评估的实现478

12.3.1　态势评估的特点479

12.3.2　态势评估过程480

12.4.1 问题描述483

12.3.3　态势评估的事后分析483

12.4　一个简单的应用实例483

12.4.2 系统建模484

12.5　常用的态势评估方法485

12.5.1 推理理论485

12.5.2　模糊集理论486

12.5.3　专家系统方法486

12.5.4　黑板模型486

12.5.5　智能体模型487

12.6　小结487

参考文献488