信息融合技術(shù)及其應用

第1章 信息融合概述
1.1 多傳感器數(shù)據(jù)融合概述
1.1.1 多傳感器數(shù)據(jù)融合的概念
1.1.2 多傳感器數(shù)據(jù)融合的基本原理
1.1.3 多傳感器數(shù)據(jù)融合的級別
1.1.4 JDL融合模型
1.2 多源遙感影像數(shù)據(jù)融合概述
1.2.1 多源遙感影像數(shù)據(jù)融合的概念
1.2.2 多源遙感影像數(shù)據(jù)融合原理
1.2.3 多源遙感影像數(shù)據(jù)融合的評價指標
1.3 多分類器融合概述
1.3.1 多分類器融合的基本原理
1.3.2 多分類器融合的體系結(jié)構(gòu)
1.3.3 多分類器融合的分類
1.3.4 多數(shù)投票法
1.3.5 BKS方法
參考文獻
第2章 融合檢測技術(shù)
2.1 假設檢驗
2.1.1 假設檢驗問題描述
2.1.2 似然比判決準則
2.2 融合檢測系統(tǒng)結(jié)構(gòu)模型
2.2.1 集中式融合檢測結(jié)構(gòu)
2.2.2 分布式融合檢測結(jié)構(gòu)
2.3 并行分布式融合檢測
2.3.1 并行分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.3.2 并行分布式最優(yōu)檢測
2.4 串行分布式融合檢測
2.4.1 串行分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.4.2 串行分布式最優(yōu)檢測
2.5 樹狀分布式融合檢測
2.5.1 樹狀分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.5.2 樹狀分布式最優(yōu)檢測
2.6 分布式恒虛警概率檢測
2.6.1 CFAR檢測
2.6.2 分布式CFAR檢測
參考文獻
第3章 狀態(tài)估計技術(shù)
3.1 基本Kalman濾波
3.1.1 離散時間線性動態(tài)系統(tǒng)描述
3.1.2 基本Kalman濾波算法
3.1.3 a-p和a-p-y濾波
3.2 實用Kalman濾波算法
3.2.1 噪聲相關(guān)的Kalman濾波
3.2.2 過程演化噪聲為有色噪聲的Kalman濾波
3.2.3 觀測噪聲為有色噪聲的Kalman濾波
3.3 擴展Kalman濾波
3.3.1 離散時間非線性動態(tài)系統(tǒng)描述
3.3.2 擴展Kalman濾波算法
3.4 粒子濾波
3.4.1 Bayes濾波
3.4.2 蒙特卡洛方法
3.4.3 粒子濾波算法
3.5 不敏Kalman濾波
3.5.1 不敏變換
3.5.2 不敏Kalman濾波算法
參考文獻
第4章 數(shù)據(jù)關(guān)聯(lián)技術(shù)
4.1 數(shù)據(jù)關(guān)聯(lián)概述
4.2 量測與航跡關(guān)聯(lián)的最近鄰方法
4.2.1 跟蹤門
4.2.2 最近鄰方法
4.3 量測與航跡關(guān)聯(lián)的貝葉斯類方法
4.3.1 概率數(shù)據(jù)關(guān)聯(lián)
4.3.2 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)
4.3.3 多假設法
4.4 量測與航跡關(guān)聯(lián)的極大似然類方法
4.4.1 航跡分裂法
4.4.2 聯(lián)合極大似然法
4.5 統(tǒng)計航跡關(guān)聯(lián)算法
4.5.1 加權(quán)航跡關(guān)聯(lián)法
4.5.2 修正航跡關(guān)聯(lián)法
4.5.3 序貫航跡關(guān)聯(lián)法
4.5.4 統(tǒng)計雙門限航跡關(guān)聯(lián)法I
4.5.5 最近鄰航跡關(guān)聯(lián)法
4.6 模糊航跡關(guān)聯(lián)算法
4.6.1 模糊雙門限航跡關(guān)聯(lián)算法
4.6.2 基于模糊綜合函數(shù)的航跡關(guān)聯(lián)算法
參考文獻
第5章 狀態(tài)融合估計技術(shù)
5.1 狀態(tài)融合估計的系統(tǒng)結(jié)構(gòu)
5.2 集中式系統(tǒng)的狀態(tài)融合估計
5.2.1 集中式系統(tǒng)模型
5.2.2 并行濾波算法
5.2.3 序貫濾波算法
5.3 分布式系統(tǒng)的狀態(tài)融合估計
5.3.1 航跡融合結(jié)構(gòu)
5.3.2 航跡融合中的各傳感器估計誤差相關(guān)的原因
5.3.3 航跡融合算法
5.4 異步狀態(tài)融合估計
5.4.1 順序量測異步融合0
5.4.2 非順序量測異步融合
參考文獻
第6章 基于Bayes理論的信息融合技術(shù)
6.1 基于Bayes理論的多傳感器信息融合
6.1.1 Bayes推理
6.1.2 基于Bayes理論的多傳感器特征信息融合
6.1.3 基于Bayes理論的多傳感器決策信息融合
6.2 基于Bayes網(wǎng)絡的信息融合
6.2.1 Bayes網(wǎng)絡
6.2.2 動態(tài)Bayes網(wǎng)絡
6.2.3 基于Bayes網(wǎng)絡的多傳感器信息融合
6.2.4 基于動態(tài)Bayes網(wǎng)絡的主動信息融合
6.3 基于Bayes理論的多分類器信息融合
6.3.1 基于Bayes理論的多分類器合成規(guī)則
6.3.2 基于Bayes理論的多分類器置信水平合成參考文獻
第7章 基于證據(jù)理論的信息融合技術(shù)
7.1 證據(jù)推理基礎(chǔ)
7.1.1 辨識框架
7.1.2 基本概率賦值函數(shù)、信任函數(shù)、似真函數(shù)與共性函數(shù)
7.1.3 Dempster合成公式
7.1.4 沖突證據(jù)的合成
7.1.5 轉(zhuǎn)移信任模型
7.2 基于證據(jù)理論的多傳感器信息融合
7.2.1 基本框架
……
第8章 基于模糊集合論的信息融合技術(shù)
第9章 基于神經(jīng)網(wǎng)絡的信息融合技術(shù)
第10章 基于遺傳算法的信息整合技術(shù)
第11章 態(tài)勢估計技術(shù)
第12章 威脅估計技術(shù)
第13章 傳感器管理技術(shù)
第14章 信息融合在軍事中的應用
第15章 信息融合在模式識別中的應用
第16章 遙感圖像融合技術(shù)與應用
參考文獻