目录介绍
目录
第1章绪论
1.1多传感器数据融合产生的背景
1.2多传感器数据融合的概念
1.2.1多传感器数据融合的定义
1.2.2多传感器数据融合的优势
1.2.3信息融合的级别
1.3多传感器数据融合的系统结构
1.4多源信息融合主要技术和方法
1.5多传感器数据融合的应用
1.5.1军事应用
1.5.2民事应用
1.6信息融合要解决的几个关键问题
1.7发展起源、现状与未来
习题
本章参考文献
第2章传感理论及技术基础
2.1传感器的概念和分类
2.1.1传感器的概念
2.1.2传感器的分类
2.1.3传感器的基本特性
2.1.4智能传感器
2.2传感器管理
2.2.1传感器管理的定义
2.2.2数据融合系统中的传感器管理
2.2.3传感器管理的内容
2.2.4传感器管理的结构
习题
本章参考文献
第3章量测与时空对准
3.1信号描述与信号量测
3.1.1量测信号
3.1.2量测建模
3.2量测模型
3.2.1传感器坐标模型
3.2.2在各种坐标系中的跟踪
3.3时间与空间对准问题概述
3.4时间对准
3.4.1时间同步技术
3.4.2时间配准技术
3.5坐标变换
3.5.1常用坐标系
3.5.2坐标系的选择
3.5.3坐标转换
3.6量纲对准
习题
本章参考文献
第4章多源检测融合
4.1引言
4.2假设检验
4.2.1假设检验问题描述
4.2.2似然比判决准则
4.3检测融合结构模型
4.3.1集中式融合检测结构
4.3.2分布式融合检测结构
4.4基于并行结构的分布式检测融合
4.4.1并行分布式融合检测系统结构
4.4.2并行分布式最优检测
4.5基于串行结构的分布式检测融合
习题
本章参考文献
第5章多源属性融合
5.1多源属性融合概念
5.2基于主观贝叶斯推理的属性融合
5.2.1贝叶斯条件概率公式
5.2.2基于贝叶斯方法的多源信息融合
5.2.3主观贝叶斯方法的优缺点
5.3DS证据推理
5.3.1概述
5.3.2mass函数、信度函数与拟真度函数
5.3.3证据理论的合成规则
5.3.4基于证据理论的决策
5.3.5证据理论的优缺点
5.3.6基于 DS 证据理论的目标识别融合技术
习题
本章参考文献
第6章多源参数估计融合
6.1多源参数估计融合概述
6.2估计理论基础
6.2.1基本概念
6.2.2Bayes点估计理论
6.2.3加权最小二乘法估计
6.2.4极大似然估计与极大后验估计
6.2.5主成分估计
6.2.6递推最小二乘法估计与最小均方估计
6.2.7最佳线性无偏最小方差估计
6.3多传感器系统数学模型
6.3.1线性系统
6.3.2非线性系统
6.4线性系统滤波
6.4.1离散时间线性系统状态估计问题的一般描述
6.4.2基本Kalman滤波器
6.4.3基于BLUE的Kalman滤波器
6.4.4Kalman滤波器的应用
6.4.5扩展Kalman滤波器（EKF）
习题
本章参考文献
第7章其他多源信息融合
7.1模糊集合理论
7.1.1模糊集合与隶属度
7.1.2模糊聚类
7.1.3模糊逻辑
7.1.4模糊推理
7.2粗糙集理论
7.2.1基本概念
7.2.2粗糙集理论在多源信息融合中的应用
7.3神经网络
7.3.1人工神经元模型
7.3.2神经网络的激活函数
7.3.3神经网络的结构
7.3.4神经网络的学习方法
7.3.5基于神经网络的传感器检测数据融合
习题
本章参考文献
第8章多传感信息融合的应用
8.1多传感信息融合的应用概述
8.2多传感检测融合应用示例
8.2.1多传感检测融合示例要求
8.2.2多传感检测融合示例设计思路
8.2.3多传感融合示例数据与结果分析
8.3基于多源信息融合的步态识别与跌倒预测
8.3.1步态识别与跌倒预测平台搭建
8.3.2基于决策融合的BPDS信息融合
8.3.3基于多源信息融合的步态识别与跌倒预测实验结果
8.4基于多传感信息融合的路径规划与自动导航
8.4.1基于多传感信息融合的路径规划
8.4.2基于多传感信息融合的自动导航
8.5基于多源信息融合与机器学习的室内定位技术
8.5.1多源信息融合室内定位测量平台搭建
8.5.2基于拉普拉斯金字塔与像素级融合的多源定位算法
8.5.3基于多项式特征升维与特征级融合的多源定位算法
8.6基于多传感器信息融合的电动汽车驾驶行为分析
8.6.1电动汽车驾驶行为分析平台搭建
8.6.2基于信息融合的驾驶行为辨识
8.6.3基于多传感器的驾驶行为辨识研究实验结果
8.7基于多源信息融合的密集人群估计方法研究
8.7.1多视角的人群计数的数据集
8.7.2基于注意力机制的低空视角人群计数算法
8.7.3基于高低空视角图像信息融合的密集人群估计算法
习题
本章参考文献