多源信息融合理论与应用PDF电子书下载

第1章　多源信息融合概述 1

1.1　多源信息融合基本概念 1

1.1.1　多源信息融合的来源 1

目录 1

1.1.2　多源信息融合的定义 2

1.1.3　多传感器系统的定义 3

1.2　多源信息融合分类 3

1.2.1　按融合技术分类 3

1.2.3　按传感器组合方式分类 5

1.2.2　按融合判决方式分类 5

1.2.4　按信息融合处理层次分类 6

1.2.5　按信息融合结构模型分类 6

1.2.6　按信息融合目的分类 6

1.2.7　按融合的信息类型分类 7

1.3　多源信息融合算法概述 7

1.4　多源信息融合系统的基本模型 9

1.4.1　多源信息融合的功能模型 10

1.4.2　信息融合系统的结构模型 11

1.4.3　信息融合模型 16

1.5　多源信息融合技术的发展 22

第2章　多源检测融合原理 25

2.1　分布式融合检测系统概述 25

2.1.1　分布式融合检测系统 25

2.1.2　二元假设检验问题 27

2.2　分布式检测融合策略 27

2.2.3　表决融合检测准则 28

2.2.2　“或”融合检测准则 28

2.2.1　“与”融合检测准则 28

2.2.4　最大后验概率融合检测准则 29

2.2.5　Neyman-Pearson融合检测准则 31

2.2.6　贝叶斯融合检测准则 32

2.2.7　最小误差概率准则 33

2.3　自适应决策融合分布式检测系统 33

2.3.1　概述 33

2.3.2　求解参数的方程组及解析式 34

2.3.3　三传感器的自适应决策融合算法 36

2.3.4　N传感器的自适应决策融合算法 38

2.3.5　计算机仿真结果 39

第3章　多源属性融合原理 41

3.1　属性融合算法概述 41

3.1.1　属性融合算法分类 41

3.1.2　属性融合算法概述 44

3.2　贝叶斯统计理论 46

3.2.1　贝叶斯统计理论概述 46

3.2.2　基于贝叶斯统计理论的信息融合 47

3.3　Dempster-Shafer证据理论 49

3.3.1　Dempster-Shafer证据理论概述 49

3.3.2　基于Dempster-Shafer证据理论的信息融合 51

第4章　多源状态估计：数据关联 57

4.1　状态估计的数据融合理论 57

4.1.1　数据关联与状态估计的概念 57

4.1.2　数据关联的应用分类 59

4.1.3　静态数据关联的数学方法 61

4.1.5　航迹数据关联 65

4.1.4　动态数据关联和跟踪算法分类 65

4.2　各种数据关联算法 69

4.2.1　最邻近数据关联 70

4.2.2　概率数据关联 71

4.2.3　联合概率数据关联 74

4.2.4　全局最邻近数据关联 78

4.2.5　简易联合概率数据关联 79

4.2.6　统计关联方法 80

4.2.7　模糊关联方法 80

4.2.8　其他关联方法 84

4.2.9　各种关联方法的评价 85

第5章　多源状态估计：状态融合 88

5.1　关联和跟踪的状态估计器 88

5.2　各种航迹融合算法 89

5.2.1　卡尔曼加权融合算法 89

5.2.2　简单航迹融合 91

5.2.3　协方差加权航迹融合 92

5.2.4　自适应航迹融合 94

5.2.5　相关航迹的非同步融合 95

5.2.6　模糊航迹融合 97

5.2.7　利用伪点迹的航迹融合方法 98

5.2.8　信息去相关算法 101

第6章　多传感器管理 104

6.1　多传感器管理的基本概念 104

6.1.1　多传感器管理的基本概念 104

6.1.2　MSMS的体系结构 106

6.1.3　传感器管理的方法 107

6.2　指挥控制中的传感器管理 110

6.2.1　指挥控制中的传感器管理问题 110

6.2.2　自适应传感器分配技术 113

6.3　基于效能函数的传感器管理系统 119

6.3.1　多传感器管理系统的效能函数 119

6.3.2　多传感器管理系统仿真 120

6.4　基于模糊逻辑和神经网络的多传感器管理 122

6.5　基于费歇信息增量的多传感器对多目标的分配方法 124

7.1　神经网络信息融合技术 127

7.1.1　信息融合模型的神经网络表示 127

第7章　多源信息融合新技术 127

7.1.2　基于神经网络的信息融合技术 128

7.1.3　基于神经网络的融合识别的基本原理 131

7.2　模糊逻辑信息融合技术 132

7.2.1　模糊逻辑概述 132

7.2.2　多传感器模糊关系函数的融合 135

7.2.3　基于可能性理论的信息融合应用 136

7.3　信息融合中的有关熵理论 136

7.3.1　有关熵的概念 136

7.3.2　观测系统的信息融合问题 137

7.3.3　观测决策融合系统的信息融合问题 138

7.3.4　融合系统的熵的结构关系 139

7.4　在信息融合系统中引入多智能体技术 141

7.4.1　多智能体系统 141

7.4.2　多智能体信息融合系统模型 142

7.4.3　信息融合方法中的多智能体技术 143

第8章 多源信息融合的军事应用 147

8.1　雷达组网分布式检测系统 147

8.1.1　雷达组网技术及布站方式 147

8.1.2　雷达组网检测系统结构模型及性能分析 148

8.1.3　雷达网分布式检测数学模型 150

8.1.4　组网雷达检测融合性能仿真计算结果及结果简析 155

8.2　信息融合技术在C3I系统中的应用 158

8.2.1　C3I系统的多信息源分析 158

8.2.2　C3I系统中信息融合的结构模型和功能模型 158

8.2.3　信息融合用于C3I系统的目标跟踪 159

8.2.4　信息融合用于C3I系统的目标识别 161

8.2.5　多站多目标航迹处理 163

8.3.1　概述 165

8.3　多传感器组合导航系统 165

8.3.2　组合导航系统的结构与算法 166

8.3.3　多传感器组合导航的融合模型 167

8.3.4　组合导航系统未来发展趋势和关键技术 168

第9章　多源信息融合的其他应用 171

9.1　分布式入侵检测系统中的多源信息融合 171

9.1.1　概述 171

9.1.2　基于信息融合的分布式入侵检测模型 172

9.1.3　分布式入侵检测的融合方法 175

9.1.4　基于信息融合的分布式入侵检测系统的设计与实现 178

9.1.5　入侵检测系统的融合判断 181

9.1.6　新型入侵检测模型的优点 182

9.2　信息融合技术在电力系统中的应用 183

9.2.1　概述 183

9.2.2　信息融合技术在电力系统中的应用前景 183

9.2.3　输电线网故障诊断的信息融合方法 185

9.2.4　目前存在的主要技术问题 188

9.3.2　交通数据融合处理的过程 189

9.3.1　概述 189

9.3　信息融合技术在交通运输领域中的应用 189

9.3.4　数据融合在车辆跟踪中的应用实例 190

9.4　多传感器图像融合技术与应用 191

9.4.1　概述 191

9.4.2　多传感器图像融合的处理层次与特点 192

9.4.3　不同传感器组合的融合问题 194

9.4.4　图像融合的应用实例 197

9.4.5　图像融合技术的发展 197

参考文献 199