多傳感器信息融合及應(yīng)用（第二版）

第1章 多傳感器信息融合概述
1.1 多傳感器信息融合的目的和定義
1.2 多傳感器信息融合的基本原理
1.3 多傳感器信息融合技術(shù)的應(yīng)用
1.4 多傳感器信息融合技術(shù)研究的歷史與現(xiàn)狀
1.5 背景資料
第2章 狀態(tài)估計基礎(chǔ)
2.1 引言
2.2 線性系統(tǒng)估計—Kalman濾波技術(shù)
2.3 運(yùn)動模型的穩(wěn)態(tài)濾波器
2.4 非線性系統(tǒng)的狀態(tài)估計
2.5 小結(jié)
第3章 不確定推理方法
3.1 引言
3.2 不確定性推理方法之一——主觀Bayes方法
3.3 不確定性推理方法之二——證據(jù)理論
3.4 主觀Bayes方法和證據(jù)理論的比較
3.5 小結(jié)
第4章 多傳感器信息融合系統(tǒng)功能和結(jié)構(gòu)模型
4.1 信息融合系統(tǒng)的功能模型
4.2 信息融合系統(tǒng)的結(jié)構(gòu)模型
4.3 信息融合技術(shù)在軍事上的應(yīng)用舉例
4.4 小結(jié)
第5章 分布式檢測與融合
5.1 引言
5.2 局部判決融合規(guī)則設(shè)計
5.3 并行結(jié)構(gòu)中的分布檢測與融合
5.4 串行結(jié)構(gòu)中的分布檢測與融合
5.5 帶反饋并聯(lián)網(wǎng)絡(luò)中的分布檢測與融合
5.6 分布式CFAR檢測
5.7 小結(jié)
第6章 集中式多傳感器綜合跟蹤算法
6.1 引言
6.2 多傳感器聯(lián)合概率數(shù)據(jù)互聯(lián)算法
6.3 多傳感器多目標(biāo)跟蹤的廣義S維分配算法
6.4 多雷達(dá)綜合跟蹤
6.5 小結(jié)
第7章 分布式多傳感器信息融合中的統(tǒng)計航跡關(guān)聯(lián)算法
7.1 引言
7.2 加權(quán)和修正航跡關(guān)聯(lián)算法
7.3 序貫航跡關(guān)聯(lián)算法
7.4 統(tǒng)計雙門限航跡關(guān)聯(lián)算法
7.5 最近鄰域和K近鄰域航跡關(guān)聯(lián)算法
7.6 修正的K近鄰域航跡關(guān)聯(lián)算法
7.7 多局部節(jié)點(diǎn)情況下的統(tǒng)計航跡關(guān)聯(lián)算法
7.8 統(tǒng)計航跡關(guān)聯(lián)算法性能分析
7.9 在空中交通管制中的應(yīng)用
7.10 比較與總結(jié)
第8章 分布式多傳感器信息融合中的模糊航跡關(guān)聯(lián)算法
8.1 引言
8.2 模糊因素集與隸屬度函數(shù)
8.3 模糊因素的確定與模糊集A的動態(tài)分配
8.4 模糊雙門限航跡關(guān)聯(lián)算法
8.5 基于模糊綜合函數(shù)的航跡關(guān)聯(lián)算法
8.6 多因素模糊綜合決策航跡關(guān)聯(lián)算法
8.7 多局部節(jié)點(diǎn)情況下的模糊航跡關(guān)聯(lián)算法
8.8 模糊航跡關(guān)聯(lián)算法的性能分析
8.9 小結(jié)
第9章 雷達(dá)和ESM數(shù)據(jù)關(guān)聯(lián)
9.1 引言
9.2 等樣本容量下的雷達(dá)和ESM航跡關(guān)聯(lián)
9.3 不等樣本容量下基于統(tǒng)計理論的雷達(dá)和ESM航跡關(guān)聯(lián)
9.4 不等樣本容量下基于模糊綜合分析的雷達(dá)與ESM航跡關(guān)聯(lián)
9.5 動態(tài)和屬性信息在雷達(dá)和ESM數(shù)據(jù)關(guān)聯(lián)中的應(yīng)用
9.6 小結(jié)
第10章 紅外傳感器目標(biāo)跟蹤及雷達(dá)—紅外融合跟蹤
10.1 引言
10.2 基于修正球坐標(biāo)系的紅外目標(biāo)跟蹤
10.3 基于定向概率數(shù)據(jù)互聯(lián)濾波(DPDAF)的紅外目標(biāo)跟蹤
10.4 基于紅外傳感器的機(jī)動檢測
10.5 基于圖像質(zhì)心位置和質(zhì)心位移測量的紅外目標(biāo)跟蹤
10.6 基于最優(yōu)數(shù)據(jù)壓縮的雷達(dá)和紅外融合目標(biāo)跟蹤
10.7 基于多傳感器概率數(shù)據(jù)互聯(lián)濾波(MSPDAF)的雷達(dá)和紅外融合跟蹤
10.8 基于IMM/MSPDAF的雷達(dá)和紅外融合跟蹤
10.9 小結(jié)
附錄10A MSC中非線性狀態(tài)方程的推導(dǎo)
附錄10B 目標(biāo)航向協(xié)方差陣的推導(dǎo)
附錄10C 質(zhì)心測量誤差方差的推導(dǎo)
第11章 多傳感器信息融合中的狀態(tài)估計
11.1 引言
11.2 狀態(tài)估計基本方程描述
11.3 集中式多傳感器信息融合系統(tǒng)中的狀態(tài)估計
11.4 分布式多傳感器信息融合系統(tǒng)中的狀態(tài)估計
11.5 多級式多傳感器系統(tǒng)中的分層估計
11.6 混合式多傳感器信息融合系統(tǒng)中的狀態(tài)估計
11.7 帶反饋信息的分布估計
11.8 帶反饋信息的多層估計
11.9 小結(jié)
第12章 多傳感器信息融合中的航跡文件管理
12.1 引言
12.2 航跡號管理
12.3 多傳感器綜合跟蹤系統(tǒng)中的航跡質(zhì)量管理技術(shù)
12.4 分布式系統(tǒng)中的關(guān)聯(lián)映射
12.5 系統(tǒng)航跡的建立、保持與撤銷
12.6 幾個有關(guān)問題的討論
12.7 小結(jié)
第13章 利用屬性融合技術(shù)識別雷達(dá)輻射源
13.1 引言
13.2 不確定推理在雷達(dá)輻射源識別中的應(yīng)用
13.3 可能性理論在雷達(dá)輻射源識別中的應(yīng)用
13.4 利用多屬性模糊加權(quán)方法識別雷達(dá)輻射源
13.5 小結(jié)
第14章 多傳感器目標(biāo)識別融合模型
14.1 引言
14.2 基于最大后驗(yàn)概率的目標(biāo)識別融合
14.3 基于D-S證據(jù)理論的目標(biāo)識別融合
14.4 基于模糊綜合的目標(biāo)識別融合
14.5 基于黑板模型的多傳感器目標(biāo)識別融合
14.6 小結(jié)
第15章 回顧、建議與展望
15.1 引言
15.2 研究成果回顧
15.3 問題與建議
15.4 研究方向展望
參考文獻(xiàn)
英文縮寫對照表