信息融合中估计算法的性能评估PDF电子书下载

第1章 绪论 1

1.1 信息融合概述 1

1.1.1 信息融合的基本概念 1

1.1.2 信息融合中状态估计技术的发展现状 2

1.2 估计算法性能评估简介 5

1.2.1 概述 5

1.2.2 性能评估理论中的基本概念 7

1.2.3 性能评估指标分类 8

第2章 基于误差值大小的度量 12

2.1 绝对误差度量 12

2.1.1 均方根误差（RMSE）度量 12

2.1.2 AEE度量 13

2.1.3 调和平均误差（HAE）度量 15

2.1.4 几何平均误差（GAE）度量 16

2.1.5 RMSE、AEE、HAE和GAE之间的关系 17

2.1.6 误差的中位数和众数 17

2.2 相对误差度量 17

2.2.1 贝叶斯估计误差商 18

2.2.2 估计－量测误差比 19

第3章 误差度量在非线性量测模型转换方法评估中的应用 21

3.1 量测模型转换方法概述 21

3.2 经典UCM方法 22

3.2.1 问题描述 22

3.2.2 二维情况 23

3.2.3 三维情况 25

3.2.4 偏差补偿因子的计算 29

3.3 多传感器场景下UCM的性能分析 30

3.4 考虑互相关时的无偏量测转换 30

3.4.1 二维情况下互相关性的推导 30

3.4.2 三维情况下互相关性的推导 32

3.5 相对误差度量评估结果 35

3.5.1 BEEQ评估结果 36

3.5.2 EMER评估结果 41

第4章 误差谱度量和动态误差谱度量 47

4.1 误差谱度量的定义和性质 47

4.1.1 误差谱度量的定义 47

4.1.2 误差谱度量的性质 48

4.2 误差谱度量的缺陷 49

4.3 动态误差谱度量 51

4.3.1 线性加权综合法 51

4.3.2 代数均值形式综合法 52

4.3.3 几何均值形式综合法 53

4.3.4 动态误差谱度量的性质 54

4.4 本章小结 54

第5章 动态误差谱度量在交互式多模型算法评估中的应用 56

5.1 多模型算法简述 57

5.2 交互式多模型算法 59

5.2.1 交互式多模型算法的基本原理 59

5.2.2 交互式多模型算法中的多模型推理 62

5.3 CV、CA、CT运动模型 63

5.3.1 匀速（CV）运动模型 63

5.3.2 匀加速（CA）运动模型 64

5.3.3 匀速转弯（CT）运动模型 65

5.4 动态误差谱度量结果与分析 66

5.4.1 匀速模型的影响 67

5.4.2 匀速转弯模型的影响 71

5.4.3 量测噪声的影响 74

第6章 动态误差谱度量在非线性滤波算法评估中的应用 77

6.1 经典非线性滤波算法 78

6.1.1 无偏量测转换方法 78

6.1.2 扩展卡尔曼滤波 80

6.1.3 无迹滤波器 86

6.1.4 最优线性无偏估计器 89

6.2 动态误差谱度量结果与分析 94

6.2.1 场景一 95

6.2.2 场景二 97

6.2.3 场景三 99

第7章 基于估计误差聚集度理论的度量 102

7.1 背景知识和问题描述 102

7.1.1 MAP估计器与MMSE估计器 104

7.1.2 成功域与成功率 104

7.1.3 可行域与失败率 105

7.1.4 聚集域与聚集概率 106

7.1.5 相对聚集度与离散度 106

7.2 衡量估计误差聚集程度的度量准则 109

7.2.1 基于误差分布的聚集度指标 109

7.2.2 扩展的相对聚集度度量 111

7.2.3 基于相关系数的聚集度指标 114

7.2.4 基于昆虫聚集度度量的聚集度指标 114

7.3 仿真示例与结果分析 116

7.3.1 示例一 116

7.3.2 示例二 117

7.3.3 示例三 121

7.4 本章小结 124

第8章 基于估计误差分布函数的度量 125

8.1 估计误差分布的期望水平 125

8.1.1 引言 125

8.1.2 误差分布期望水平的定义 127

8.1.3 计算误差分布期望水平所存在的问题 128

8.2 估计误差分布与期望分布间的相关性度量 129

8.2.1 误差分布期望水平的扩展 129

8.2.2 基于主成分分析的相关性度量 131

8.2.3 基于核主成分分析的相关性度量 134

8.3 仿真示例及结果分析 136

8.4 本章小结 140

附录A缩略语 141

参考文献 143