多源信息融合PDF电子书下载

目录 1

第1章　绪论 1

1.1　多源信息融合的一般概念与定义 1

1.1.1　定义 1

1.1.2　多源信息融合的优势 2

1.1.3　应用领域 3

1.2　信息融合系统的模型和结构 4

1.2.1 功能模型 4

1.2.2　数据融合的级别 6

1.2.3　通用处理结构 8

1.3　多源信息融合的主要技术和方法 10

1.4　信息融合要解决的几个关键问题 11

1.5　发展起源、现状与未来 12

参考文献 13

第2章　统计推断与估计理论基础 16

2.1　点估计理论基础 16

2.1.1 一般概念 16

2.1.2　Bayes点估计理论 17

2.1.3　BLUE估计 19

2.1.4　WLS估计 19

2.1.6　主成分估计 20

2.1.5　ML估计 20

2.1.7　RLS估计与LMS估计 23

2.2　期望极大化（EM）方法 25

2.2.1 概述 25

2.2.2　EM算法描述 26

2.2.3　混合Gauss参数估计的EM算法实例 27

2.3　线性动态系统的滤波理论与算法 29

2.3.1　离散时间线性系统状态估计问题的一般描述 29

2.3.2　基本Kalman滤波器 31

2.3.3　信息滤波器 32

2.3.4　噪声相关的Kalman滤波器 33

2.4　非线性动态系统的滤波理论与算法 35

2.4.1 扩展Kalman滤波器（EKF） 35

2.4.2 UKF滤波 38

2.4.3　Bayes滤波 40

2.5　基于随机采样的过程估计理论与算法 41

2.5.1 传统Bayes估计面临的挑战与解决的新思路 41

2.5.2　Monte Carlo仿真的随机采样 42

2.5.3 Markov chain Monte Carlo采样 44

2.5.4　粒子滤波的一般方法 48

2.6.2　多模型方法简述 55

2.6　混合系统状态估计理论 55

2.6.1 一般描述 55

2.6.3　定结构多模型估计 57

2.6.4　交互式多模型算法 60

2.6.5 变结构多模型（VSMM）算法概述 62

2.7　小结 66

参考文献 67

第3章 智能计算与识别理论基础 69

3.1 概述 69

3.1.1　模式识别的一般概念 69

3.1.2　智能学习与统计模式识别 70

3.2　粗糙集理论基础 71

3.2.1　信息系统的一般概念 71

3.2.2　决策系统的不可分辨性 72

3.2.3　集合近似 73

3.2.4　属性约简 75

3.2.5　粗糙隶属度 80

3.3　证据理论基础 82

3.3.1 概述 82

3.3.2　mass函数、信任测度与似然测度 82

3.3.3　Dempster-Shafer合成公式 86

3.3.4　证据推理 88

3.4.1　一般概念 90

3.4　随机集理论基础 90

3.4.2　概率模型 93

3.4.3　随机集的mass函数模型 95

3.5　统计学习理论与支持向量机基础 96

3.5.1　统计学习理论的一般概念 96

3.5.2　学习机的VC维与风险界 98

3.5.3　线性支持向量机 102

3.5.4　非线性支持向量机 105

3.5.6　最小二乘支持向量机 108

3.5.5　用于孤立点发现的One-class SVM算法 108

3.5.7　模糊支持向量机 109

3.5.8　小波支持向量机 110

3.5.9　核主成分分析 111

3.6　Bayes网络基础 113

3.6.1　Bayes网络的一般概念 113

3.6.2　独立性假设 114

3.6.3　一致性概率 116

3.6.4　Bayes网络推断 118

参考文献 121

3.7　小结 121

4.1　基本概念与原理 124

第4章 目标跟踪 124

4.2　跟踪门 126

4.2.1 滤波残差 126

4.2.2　矩形跟踪门 126

4.3　目标动态模型 127

4.3.1　机动目标跟踪的数学模型 127

4.2.4　其他跟踪门 127

4.2.3　椭球跟踪门 127

4.3.2　非机动目标动态模型 128

4.3.3　坐标不耦合的目标机动模型 129

4.3.4　二维水平运动模型 135

4.3.5　三维模型 137

4.4　量测模型 139

4.4.1　传感器坐标模型 139

4.4.2　在各种坐标系中的跟踪 140

4.4.3　混合坐标系的线性化模型 141

4.4.4　笛卡儿坐标系下的模型 144

4.5.1　二维去偏量测转换 145

4.5　雷达量测转换 145

4.5.2　三维去偏量测转换 147

4.5.3　无偏量测转换 149

4.5.4　修正的无偏量测转换 152

4.6　基于雷达量测和BLUE准则的目标跟踪 155

4.6.1 基于BLUE准则的二维量测转换 155

4.6.2 基于BLUE准则的三维量测转换 158

4.7　带Doppler量测的雷达目标跟踪 162

4.7.1　极坐标系中带Doppler量测的雷达目标跟踪 162

4.7.2　球坐标系中带Doppler量测的雷达目标跟踪 167

4.8.1 问题描述 171

4.8　时间与空间配准 171

4.8.2　时间配准算法 172

4.8.3　常用坐标系 173

4.8.4　坐标转换 173

4.8.5　空间配准算法概述 176

4.8.6　二维空间配准算法 177

4.8.7　精确极大似然空间配准算法 180

4.8.8　基于地心坐标系的空间配准算法 184

4.9　小结 188

参考文献 188

5.1　概论 193

第5章　检测融合 193

5.2　并行结构融合系统的最优分布式检测融合算法 195

5.2.1 系统描述 195

5.2.2　最优分布式检测的必要条件 196

5.2.3　传感器观测独立条件下的最优分布式检测 198

5.2.4　实例计算 200

5.3 串行结构融合系统的最优分布式检测融合算法 201

5.3.1 系统描述 201

5.3.2　传感器观测独立条件下最优分布式检测的必要条件 202

5.3.3　传感器观测独立条件下的最优分布式检测 204

5.3.4　实例计算 207

5.4　树形结构融合系统的最优分布式检测融合算法 207

5.4.1　系统描述 208

5.4.2　结点观测独立条件下最优分布式检测的必要条件 209

5.4.3　结点观测独立条件下的最优分布式检测 210

5.4.4　实例计算 213

5.5　分布式量化检测系统 214

5.5.1 系统描述 214

5.5.2　最优分布式量化检测的必要条件 215

5.5.3　传感器观测独立条件下的最优分布式量化检测 217

5.5.4　实例计算 219

5.6　分布式N-P检测融合系统 221

5.6.1　最优分布式量化检测的必要条件 221

5.6.2　传感器观测独立条件下的最优分布式检测 223

5.6.3　传感器观测相关条件下的次优分布式检测 224

5.6.4　分布式硬决策N-P检测融合系统 226

5.6.5　实例计算 227

5.7　小结 228

参考文献 229

第6章　估计融合 231

6.1　估计融合系统结构 231

6.2　集中式融合系统 233

6.2.1 并行滤波 234

6.2.2　序贯滤波 235

6.2.3　数据压缩滤波 235

6.3　分布式融合系统 238

6.3.1　分布式融合结构 238

6.3.2　航迹融合中各传感器局部估计误差相关的原因 239

6.3.3　简单凸组合融合算法 240

6.3.4 Bar Shalom-Campo融合算法 241

6.3.5　不带反馈的最优分布式估计融合 245

6.3.6　带反馈的最优分布式估计融合 247

6.3.7　最大后验概率状态估计融合 251

6.3.8　最优的集中式估计的重构 254

6.4　协方差交叉法 257

6.4.1 问题描述 257

6.4.2　相关程度已知的相关估计量最优融合 258

6.4.3　相关程度未知的相关估计量最优融合 260

6.5　联邦滤波器 262

6.5.1 问题描述 263

6.5.2　方差上界技术 263

6.5.3　联邦滤波器的一般结构 266

6.5.4　联邦滤波器的工作流程 266

6.5.5　联邦滤波器的最优性证明 268

6.5.6　联邦滤波器的四种结构 270

6.5.7　联邦滤波器四种结构的比较 273

6.5.8　联邦滤波器的特点 273

6.5.9　联邦滤波器的两种简化形式 274

6.6　最优线性估计融合与统一融合规则 274

6.6.1 问题描述 274

6.6.2　统一线性数据模型 275

6.6.3　对于线性数据模型的统一最优融合规则 277

6.6.4　一般的最优的线性融合规则 284

参考文献 286

6.7　小结 286

第7章　数据关联 290

7.1　引言 290

7.2　量测-航迹关联算法：经典方法 291

7.2.1　最近邻方法 291

7.2.2　概率数据关联 291

7.2.3　交互式多模型概率数据关联 294

7.2.4　联合概率数据关联 297

7.2.5　多传感联合概率数据关联 303

7.3.1　基于粒子滤波的联合概率数据关联 305

7.3　量测-航迹关联的其他方法 305

7.3.2　多假设方法 307

7.3.3　概率多假设方法 310

7.3.4　基于期望极大化算法的杂波环境下机动目标跟踪 316

7.4　集中式多传感多目标跟踪的广义S-维分配算法 318

7.5　多目标跟踪起始与跟踪终止算法 320

7.5.1　跟踪起始方法 321

7.5.2　跟踪终止方法 325

7.5.3　基于目标可感知性的决策方法 325

7.6　分布式航迹关联 329

7.6.2　两个传感器之间的航迹关联 330

7.6.1　基本符号 330

7.6.3　多传感器之间的航迹关联 332

7.7　小结 334

参考文献 334

第8章　异步融合 338

8.1　异步融合的一般概念 338

8.2　顺序量测异步融合 338

8.2.1 问题描述 338

8.2.2　顺序量测异步融合算法 340

8.3.2　非顺序量测问题的数学描述 341

8.3　单个非顺序量测异步融合问题 341

8.3.1　非顺序量测问题产生的原因 341

8.3.3　非顺序量测问题的主要处理算法 342

8.3.4　直接更新法的通解 343

8.4　单个非顺序量测一步滞后滤波 344

8.4.1　A1算法 344

8.4.2　B1算法 346

8.4.3　C1算法 347

8.4.4　各种算法比较 348

8.5.1　Bl算法 349

8.5　单个非顺序量测多步滞后滤波 349

8.5.2　Al1与Bl1算法 354

8.5.3　Zl算法 358

8.6　多OOSM多步滞后滤波 360

8.7　小结 361

参考文献 361

第9章　图像融合 364

9.1　图像融合概述 364

9.1.1 图像融合的一般概念 364

9.1.2 图像融合的发展 364

9.1.3　图像融合的简单应用实例 365

9.2　图像融合的分类 369

9.2.1　像素级图像融合 369

9.2.2　特征级图像融合 370

9.2.3　决策级图像融合 371

9.2.4　三个图像融合层次的性能比较 372

9.3 图像配准 373

9.3.1　配准的基本概念 373

9.3.2　配准需要解决的问题 374

9.3.3　配准算法 375

9.3.4　变换模型及配准参数估计方法 383

9.3.5　图像的重采样和变换 384

9.4.1　简单图像融合算法 385

9.4　图像融合算法 385

9.4.2　基于金字塔分解的图像融合算法 386

9.4.3　基于小波变换的图像融合算法 392

9.4.4　其他图像融合算法 396

9.5　遥感图像融合 397

9.5.1　遥感图像融合概述 397

9.5.2　遥感图像数据融合的基本框架 398

9.5.3　基于粗糙集的特征选择与多源遥感图像融合分类 398

9.6.1 图像跟踪的一般理论 401

9.5.4　用于目标搜索的融合框架设计 401

9.6　基于图像融合的目标跟踪 401

9.6.2 图像跟踪的工程算法 403

9.6.3　图像跟踪的一般过程 405

9.7 图像融合的评价标准 416

9.7.1　主观评价标准 416

9.7.2　客观评价标准 416

9.8　小结 418

参考文献 419

10.1 概述 424

第10章　异类融合 424

10.2　基于雷达检测与红外检测融合处理的目标跟踪 425

10.2.1 问题概述 425

10.2.2　算法描述 426

10.3　基于音频和视频特征融合的身份识别 428

10.3.1 问题概述 428

10.3.2　音频特征提取 429

10.3.3　视频特征提取 430

10.3.4　分类 432

10.4.1 问题描述 433

10.4　杂波环境中基于异类信息融合的目标跟踪 433

10.3.5　多形态融合 433

10.4.2　概率生成模型 434

10.4.3　对于音频-视频数据的一个概率生成模型 435

10.4.4　基于音频-视频数据融合的参数估计与目标跟踪 437

10.4.5　融合与跟踪结果 440

10.5 小结 441

参考文献 442

第11章 智能交通与信息融合 443

11.1　智能交通系统概述 443

11.1.1 一般概念 443

11.1.2　发展过程 444

11.1.3　主要研究方向 445

11.1.4　我国ITS发展现状 446

11.1.5　智能交通系统的发展方向 447

11.2　智能车辆系统概述 447

11.2.1 主要研究内容 447

11.2.2　研究与应用现状 449

11.2.3　多传感技术应用 450

11.3　基于多传感信息融合的路径规划与自动导航 451

11.3.1　基于多传感信息融合的路径规划 451

11.3.2　基于多传感信息融合的自动导航 453

11.4　智能车辆系统的障碍规避与防碰撞 459

11.4.1　智能车辆防碰撞系统的研究内容 459

11.4.2　智能车辆防碰撞系统的组成 461

11.4.3 自适应巡航控制系统的关键技术 462

11.4.4 当前存在的问题 463

11.5　基于证据推理的多传感器信息融合的道路车辆跟踪 463

11.5.1 引言 463

11.5.2　车载传感器数据关联的D-S实现 464

11.5.3　仿真示例 467

参考文献 471

11.6　小结 471

第12章　态势评估和威胁估计 474

12.1 前言 474

12.2　决策级融合中的态势评估 474

12.2.1　态势的概念 475

12.2.2　现代战争中的态势评估 475

12.2.3　基于战争环境的威胁估计 477

12.3　态势评估的实现 478

12.3.1　态势评估的特点 479

12.3.2　态势评估过程 480

12.4.1 问题描述 483

12.3.3　态势评估的事后分析 483

12.4　一个简单的应用实例 483

12.4.2 系统建模 484

12.5　常用的态势评估方法 485

12.5.1 推理理论 485

12.5.2　模糊集理论 486

12.5.3　专家系统方法 486

12.5.4　黑板模型 486

12.5.5　智能体模型 487

12.6　小结 487

参考文献 488