内容简介
本书是关于信息融合理论及应用的一部专著，是著者对该领域30多年来研究成果系统的、全面的总结。全书要内容有：信息融合概述、信息融合中的数学基础、信源分类与特性、信息融合系统功能和结构模型、分布式检测融合、目标跟踪融合、统计航迹关联算法、模糊与灰色航迹关联算法、状态估计融合、图像融合、目标识别融合、态势估计、威胁估计、知识融合、信息融合中的传感器管理、信息融合中的数据库技术、信息融合中的性能评估，以及信息融合在民事和军事中的应用。最后是本书的回顾、建议与展望。
目录
目 录
第1章 多源信息融合概述 1
1．1 信息融合的目的和意义 1
1．1．1 信息融合的背景描述 1
1．1．2 信息融合的定义 1
1．1．3 信息融合的性能裨益 2
1．2 信息融合的原理和级别 3
1．2．1 信息融合的基本原理 3
1．2．2 信息融合的级别 3
1．3 信息融合的应用领域 5
1．3．1 信息融合问题分类 5
1．3．2 信息融合在民事上的应用 5
1．3．3 信息融合在军事上的应用 8
1．4 信息融合研究的历史与现状 10
1．4．1 信息融合研究重要节点和事件 10
1．4．2 信息融合主要发展阶段 13
1．4．3 信息融合研究主要学术成果 14
1．5 本书的范围和概貌 16
参考文献 18
第2章 状态估计基础 27
2．1 引言 27
2．2 线性动态系统估计：卡尔曼
滤波器 27
2．2．1 线性动态系统定义 27
2．2．2 卡尔曼滤波器 28
2．2．3 卡尔曼滤波器的推导：从贝叶斯
估计的角度 29
2．2．4 卡尔曼滤波器的初始化 34
2．2．5 卡尔曼滤波器的重要性质 37
2．2．6 卡尔曼滤波器的应用举例 39
2．3 卡尔曼滤波器的其他等价形式 40
2．3．1 信息滤波器 41
2．3．2 序贯滤波器 41
2．3．3 平方根滤波器 43
2．4 卡尔曼滤波器的近似计算形式 45
2．4．1 稳态滤波器 45
2．4．2 运动模型的常增益滤波器 46
2．4．3 常增益滤波器应用举例 50
2．5 非理想条件下的卡尔曼滤波器 51
2．5．1 有色过程噪声的卡尔曼滤波器 51
2．5．2 有色量测噪声的卡尔曼滤波器 51
2．5．3 过程噪声和量测噪声相关的
卡尔曼滤波器 53
2．5．4 量测延迟的卡尔曼滤波器 54
2．6 非线性系统的状态估计 55
2．6．1 扩展卡尔曼滤波器 56
2．6．2 迭代扩展卡尔曼滤波器 60
2．6．3 不敏卡尔曼滤波器 61
2．6．4 粒子滤波器 64
2．6．5 量测转换卡尔曼滤波器 69
2．6．6 线性化滤波的误差补偿技术 72
2．7 小结 73
参考文献 74
第3章 不确定性推理方法 78
3．1 引言 78
3．2 主观Bayes方法 78
3．2．1 知识不确定性的描述 78
3．2．2 证据不确定性的描述 81
3．2．3 多个证据的组合 81
3．2．4 主观Bayes方法的推理过程 82
3．2．5 主观Bayes方法的应用举例 82
3．2．6 主观Bayes方法的优缺点 82
3．3 证据理论 83
3．3．1 DS理论 83
3．3．2 DSm理论 88
3．4 模糊集理论 96
3．4．1 基础模型 96
3．4．2 模糊综合评判 99
3．4．3 模糊集理论的应用举例 101
3．4．4 证据理论向模糊集合的推广 101
3．5 粗糙集理论 103
3．5．1 理论基础 103
3．5．2 在信息融合中的应用 105
3．5．3 粗糙集理论的应用举例 106
3．6 小结 106
参考文献 107
第4章 多源信息融合功能和结构
模型 110
4．1 信息融合的功能模型 110
4．1．1 信息融合的三级功能模型 110
4．1．2 信息融合的四级功能模型 110
4．1．3 信息融合的五级功能模型 111
4．1．4 信息融合的六级功能模型 111
4．1．5 信息融合的七级功能模型 112
4．2 信息融合系统的结构模型 115
4．2．1 检测级融合结构 115
4．2．2 位置级融合结构 116
4．2．3 图像级融合结构 121
4．2．4 识别级融合结构 123
4．3 信息融合典型应用举例 124
4．3．1 机器人 124
4．3．2 入侵检测系统 125
4．3．3 智能制造 125
4．3．4 卫星遥感 126
4．3．5 决策中心战 126
4．4 小结 127
参考文献 127
第5章 分布式检测与融合 131
5．1 引言 131
5．2 融合中心的全局判决规则设计 132
5．2．1 硬判决下的全局判决规则 132
5．2．2 软判决下的全局判决规则 134
5．2．3 带直接观测的全局判决规则 135
5．2．4 异步判决下的全局判决规则 135
5．2．5 对抗式全局判决规则 136
5．3 并行结构下的分布式检测系统
设计 138
5．3．1 局部判决与全局判决规则
的一般解 139
5．3．2 条件相互独立情况下的特殊解 140
5．3．3 条件独立同分布情况下的
特殊解 141
5．3．4 应用举例 142
5．4 串行结构下的分布式检测
系统设计 143
5．4．1 两个传感器的串行结构网络 143
5．4．2 多个传感器的串行结构网络 144
5．4．3 应用举例 145
5．5 带反馈的分布式检测系统设计 148
5．5．1 有融合中心的带反馈分布式
检测系统 148
5．5．2 去中心化的带反馈分布式
检测系统 152
5．6 分布式CFAR检测 153
5．6．1 经典的分布式CFAR检测方法 154
5．6．2 稀疏信号的分布式CFAR检测 157
5．7 本章小结 161
参考文献 162
第6章 集中式多传感器综合跟踪
算法 165
6．1 引言 165
6．2 多传感器联合概率数据关联算法 166
