第一章 引论 1
1.1 经典的统计判决理论 1
1.2 多传感器统计判决的发展概况 3
1.3 用无穷维空间优化的观点认识统计判决问题 4
第二章 两传感器二元判决 6
2.1 传统的单传感器判决 6
2.1.1 Bayes判决 6
2.1.2 Neyman-Pearson判决 10
2.1.3 序贯判决 11
2.1.4 二元判决系统性能评价——接收机工作特性(ROC)曲线 18
2.2 两传感器分布式判决概论 19
2.2.1 模型与历史发展 19
2.2.2 对分布式判决问题的新认识 21
2.3 固定融合律下，Bayes判决的最优分站压缩律 23
2.3.1 不动点类必要条件 23
2.3.2 迭代算法 26
2.3.3 离散格式下迭代算法的有限步收敛性 27
2.3.4 最优分站压缩律的存在性和对损失泛函下确界的逼近 28
2.3.5 与传统分站似然比压缩的关系 31
2.3.6 数值模拟例子 33
2.4 固定融合律下Neyman-Pearson判决的最优分站压缩律 44
2.4.1 最优分站压缩律的必要条件及迭代算法 45
2.4.2 数值模拟例子 46
2.5 固定融合律下的序贯判决方法 47
2.5.1 基本思想 47
2.5.2 固定融合律下最优分站压缩律的算法 48
2.5.3 数值模拟例子 49
2.6 固定融合律的加权平均 50
第三章 多传感器二元判决 52
3.1 中心站决策区域与分站数据压缩示性函数多项式的一一对应 52
3.2 任意融合律下最优分站压缩律的不动点类必要条件 53
3.3 离散格式下迭代算法及有限收敛性 56
3.4 降低分站压缩率提高判决性能 59
3.5 数值模拟 62
4.1.1 并联网络判决系统 64
4.1 网络基本模型的描述 64
第四章 多传感器网络多元判决 64
4.1.2 串联网络判决系统 66
4.1.3 混联网络判决系统 66
4.2 任意固定融合律下最优分站压缩律的不动点类必要条件 67
4.3 迭代算法及收敛性 71
第五章 关于最优融合律及网络判决系统的优化设计 73
5.1 融合律的等价类及某些类之间优劣性比较 75
5.1.1 有关的几个定义 75
5.1.2 等价性定理与优劣性定理 75
5.1.3 应用例子 76
5.2 并联网络二元判决的最优融合律 81
5.3 并联网络多元判决的最优融合律 84
5.4 串联和混联网络多元判决系统的最优融合律 86
5.5 并联与串联网络判决性能比较 87
5.6 多站网络判决系统优化设计的一些问题 88
5.6.1 网络结构设计问题 88
5.7 数值模拟例子 89
5.6.2 分站在网络系统中位置和通信量的分配 89
5.7.1 2分站二元判决系统 90
5.7.2 3分站二元判决系统 90
5.7.3 4分站二元判决系统 92
5.7.4 3分站三元判决系统 94
5.7.5 4分站三元判决系统 97
5.8 关于分站压缩律初值选取方法的讨论 98
5.8.1 基本思想 98
5.8.2 初值选取技巧 99
5.9 一种搜索任意给定信息结构判决系统最优融合律的算法 100
5.9.1 算法基本思想的诱导 100
5.9.2 模拟例子 102
5.10 分站决策律给定时的最优融合 103
5.10.1 最优融合律 104
5.10.2 似然函数的计算 105
5.10.3 局部最优分站判决律 106
5.10.4 数值模拟例子 106
参考文献 108