多传感器数据融合理论及应用PDF电子书下载

目录 1

第1章 概述 1

第2章 多传感器系统的应用及优势，大气对信号的衰减作用 5

2.1 多传感器系统中数据融合的应用 5

2.2 传感器的选择 7

2.3 多传感器系统的优势 11

2.4 信号波长对其在大气衰减中的影响 13

2.5 雾的特征 16

2.6 毫米波传感器的工作频率对其性能的影响 17

2.7 雨和雾对毫米波雷达信号能量的吸收 17

2.8 在雨中毫米波能量的反向反射 20

2.9 红外传感器工作波长对性能的影响 22

2.10 能见度度量 23

2.10.1 主观能见度 23

2.10.2 客观能见度——气象距离 23

2.11 红外能量在雨中的衰减 24

2.12 消光系数值（典型） 25

2.13 电磁波类传感器优缺点小结 26

2.14 大气与传感器系统的计算机仿真模型 27

2.14.1 LOWTRAN衰减模型 28

2.14.2 FASCODE与MODTRAN衰减模型 29

2.14.3 EOSAEL传感器性能模型 30

2.15 小结 33

参考文献 33

第3章 数据融合算法与融合结构 37

3.1 数据融合的定义 37

3.2 处理层1 39

3.2.1 数据融合中的检测、分类与识别算法 40

3.2.2 数据融合中的状态估计和跟踪算法 44

3.3 处理层2，3和4 49

3.4 结构的定义 51

3.6 数据融合的结构 52

3.5 数据融合处理过程 52

3.6.1 传感器级融合 53

3.6.2 中央级融合 55

3.6.3 混合式融合结构 56

3.6.4 像素级融合 57

3.6.5 特征级融合 58

3.6.6 决策级融合 59

3.7 各传感器有效覆盖区域的配准和对覆盖区域大小的考虑 59

3.8 小结 60

参考文献 61

第4章 贝叶斯推理 64

4.1 贝叶斯法则 64

4.2 贝叶斯推理和经典概率推理的比较 65

4.3 用来自两个传感器的不同类型的量测数据提高矿物的检测率 69

4.4 小结 72

参考文献 72

5.1 算法概述 74

第5章 Dempster-Shafer算法 74

5.2 算法的实现 75

5.3 支持度、似然度以及不确定区间 76

5.4 用Dempster规则融合多传感器数据 79

5.5 Dempster-Shafer与贝叶斯判决理论的比较 82

5.6 小结 83

参考文献 83

第6章 人工神经网络 85

6.1 人工神经网络的应用 85

6.2 自适应线性组合器 86

6.3 线性分类器 87

6.4 线性分类器的容量 88

6.5 非线性分类器 88

6.5.1 Madaline 88

6.5.2 前向网络 90

6.6 非线性分类器的容量 91

6.7 有监督和无监督学习 92

6.8 有监督学习规则 93

6.8.1 μ-LMS最快速下降算法 94

6.8.2 α-LMS误差修正算法 94

6.8.3 μ-LMS算法和α-LMS算法的比较 95

6.8.4 Madaline Ⅰ和Ⅱ误差修正法 95

6.8.5 感知器规则 96

6.8.6 后向传播（BP）算法 97

6.8.7 Madaline Ⅲ最快速下降法 98

6.8.8 死区算法 99

6.9 其他人工神经网络 100

6.10 小结 102

参考文献 102

第7章 表决融合 104

7.1 传感器目标报表 105

7.2.2 信任级别 106

7.2 传感器检测空间 106

7.2.1 检测空间的文氏图表示 106

7.2.3 检测单元 107

7.3 系统检测概率 108

7.3.1 在信任级别不相交的情况下推导系统检测率和虚警率 108

7.3.2 传感器各信任级别与对应的检测率和虚警率之间的关系 110

7.3.3 条件概率的估计 110

7.3.4 虚警率 111

7.3.5 检测率 112

7.3.6 计算多传感器系统检测率的小结 112

7.4 应用实例 113

7.4.1 满足虚警率的要求 113

7.4.2 满足系统检测率的要求 114

7.4.3 从实例中观察到的现象 115

7.5 传感器逻辑表决融合的硬件实现 116

7.7 小结 117

7.6 表决融合与D-S证据理论的比较 117

参考文献 118

第8章 模糊逻辑和模糊神经网络 119

8.1 模糊逻辑能提供合适解的条件 119

8.2 模糊逻辑应用于汽车反锁刹车系统 120

8.3 模糊系统中的基本元素 120

8.4 模糊逻辑处理过程 121

8.5 模糊质心的计算 122

8.6 用模糊逻辑来控制倒立摆的平衡 124

8.6.1 常规数值解 124

8.6.2 模糊逻辑解 125

8.7 模糊逻辑用于多目标跟踪 128

8.7.1 常规卡尔曼滤波器 129

8.7.2 模糊卡尔曼滤波器 130

8.8 模糊神经网络 134

8.9 小结 135

参考文献 136

第9章 确定目标位置的被动数据关联 138

9.1 直接接收信号融合 140

9.1.1 序列处理技术 141

9.1.2 系统设计的几个主要方面 143

9.2 角度数据融合 144

9.2.1 目标位置的解空间 145

9.2.2 0-1整数规划算法研究 148

9.2.3 松弛算法的研究 152

9.3 分布式融合体系结构 153

9.3.1 方向角度航迹关联的局部优化 154

9.3.2 方向角度航迹关联的全局优化 155

9.4 使用单个传感器的角度航迹计算目标径向距离 157

9.5 小结 158

参考文献 159

附录A 普朗克辐射定理和辐射转移 161

附录B 传感器信任级别相交时的表决融合 166