多传感器数据融合 2
引言 2
多传感器的优势 3
军事应用 4
非军事应用 7
三种处理体系结构 9
一种数据融合处理模型 11
技术发展水平评估 12
其他文献信息 15
参考文献 15
JDL数据融合修正模型 16
引言 16
数据融合的含义 16
数据融合的任务 16
数据融合的定义 19
模型和体系结构 20
数据融合“层次” 22
关联和估计 24
层次间关系和态势感知 26
属性估计和关系估计功能 27
信息状态和感知状态 33
与其他模型的比较 36
asarathy功能模型 36
Bedworth和O’Brien对各种模型的比较以及Omnibus模型 38
总结 40
参考文献 41
多目标跟踪数据关联算法介绍 43
引言 43
航迹维持 44
最近邻 47
航迹分裂和多假设 49
跟踪门 50
二分查找和kd树 53
三叉树 57
优先级kd树 60
结论的应用 63
结论 67
致谢 68
参考文献 68
图像和空间数据融合原理及实践 70
引言 70
图像和空间数据融合的意义 70
图像和空间数据融合定义 73
多传感器自动目标识别数据融合的三个典型层次 77
像素层融合 77
特征层融合 79
决策层融合 81
多层次融合 82
用于图像数据增强的图像数据融合 83
多分辨率图像 84
动态图像 85
三维图像 85
空间数据融合应用 86
空间数据融合：综合图像和非图像数据创建空间信息系统 87
地图测绘、海图测绘和测地学（MC&G）的应用 88
总结 92
参考文献 92
数据配准 96
引言 96
配准问题 97
目前研究工作回顾 98
元启发式配准方法 102
深度图像的小波配准方法 106
配准的辅助处理／预处理 109
结论 110
致谢 111
参考文献 111
数据融合自动化：自顶向下的观点 113
引言 113
生物系统中的融合隐喻 113
指挥和控制中的融合隐喻 115
拼图游戏的融合隐喻 116
证据组合 120
信息需求 121
问题的维数 122
同类和异类传感器量测数据 123
生物学推动的融合处理模型 124
融合处理模型扩展 134
短期、中期和长期知识 134
融合类别 136
融合类别和标准的问题解决形式 140
几点评论 147
评论1 147
评论2 148
评论3 149
评论4 150
评论5 151
致谢 152
参考文献 152
证据组合方法比较 153
引言 153
证据组合的几种方法 154
概率论方法 154
可能性理论方法 164
证据理论方法 169
证据组合方法 172
一个数据融合系统实例 179
系统环境 180
空间集合（collections of spaces） 185
运行中的系统 188
总结 197
比较和结论 197
附录7 A概率公理 197
参考文献 198
雷达、声呐、光电传感器应用中的概率数据关联目标跟踪技术 202
引言 202
概率数据关联 203
假设 203
概率数据关联滤波器方法 204
量测有效性 205
状态估计 205
状态和协方差更新 206
预测方程 207
概率数据关联 207
参数概率数据关联 209
非参数概率数据关联 209
基于特征的极大似然－概率数据关联（ML-PDA）方法的低可观测目标运动分析 210
幅度信息特征 210
目标模型 211
极大似然－概率数据关联估计器（ML-PDA） 214
用于估计的克莱莫－罗（CramerRao）下界 217
结果 219
机动目标跟踪的交互多模型概率数据关联滤波器（IMMPDAF） 222
坐标选择 223
航迹形成 225
航迹维持 226
航迹终止 234
仿真结果 234
低可观测目标跟踪的可变窗ML-PDA估计器 236
场景 237
极大似然－概率数据关联估计器（ML-PDA）的公式表示 238
自适应极大似然－概率数据关联（ML-PDA） 243
结果 246
总结 250
参考文献 250
最优和近似数据关联的组合方法介绍 252
引言 252
背景 253
最大可能分配 256
最优方法 257
有关计算问题的几点考虑 259
JAM的有效计算 261
积和式近似值的粗略估计 263
基于积和式不等式的近似估计 264
不同方法间的比较 267
大规模数据关联 271
推广 275
结论 276
致谢 276
附录9A数据关联实验算法 276
参考文献 278
多目标跟踪的贝叶斯方法 280
引言 280
贝叶斯方法的定义 281
与卡尔曼滤波之间的关系 281
单目标跟踪问题的贝叶斯公式 282
贝叶斯滤波 282
问题定义 283
计算后验分布 285
似然函数 287
无有效观测或关联条件下的多目标跟踪（联合跟踪） 291
多目标运动模型 291
多目标似然函数 292
后验分布 293
联合跟踪递归 294
多假设跟踪（MHT） 296
有效观测、扫描和关联假设 298
扫描和数据关联似然函数 300
一般的多假设跟踪 302
独立多假设跟踪 306
联合跟踪与多假设跟踪及其他跟踪方法之间的关系 310
一般多假设跟踪是联合跟踪的一个特例 310
联合跟踪与其他多目标跟踪算法之间的联系 310
对联合跟踪的评论 312
似然比检测与跟踪 312
基本定义和关系 313
似然比递归 316
对数似然比 318
判断目标是否出现 319
跟踪置前检测 321
参考文献 322
使用多帧分配的数据关联 324
引言 324
问题的背景 326
一般数据关联问题的分配公式 327
多帧航迹起始与航迹维持 333
航迹起始 334
使用滑窗的航迹维持 334
算法 336
预处理 337
针对分配问题的拉格朗日松驰算法 339
算法复杂度 342
改进方法 342
未来研究方向 343
其他的数据关联问题和表示 343
数据帧 343
滑窗 344
算法 344
网络中心多帧分配 345
致谢 346
参考文献 346
采用协方差交集的（CI）广义分布式数据融合 349
引言 349
分布式数据融合 350
协方差交集 354
问题陈述 354
协方差交集算法 355
采用CI算法的分布式数据融合 359
推广的实例 362
合并已知的独立信息 368
回顾前面的例子 371
结论 374
致谢 375
附录12 A CI算法的一致性 376
附录12 B MATLAB源代码 377
常规CI算法 378
分离CI算法 378
参考文献 379
非线性系统中的数据融合 381
引言 381
非线性系统中的估值 382
问题陈述 382
具有不确定性的变换 384
无迹变换（UT） 386
基本思想 386
一个σ点集的例子 388
无迹变换的特性 389
无迹变换的应用 390
极坐标系到直角坐标系的转换 390
非连续变换 391
无迹变换滤波 394
实例研究：无迹变换滤波的线性误差 397
实例研究：无迹变换在高阶非线性系统中的应用 401
多层次传感器融合 405
结论 407
致谢 408
参考文献 408
基于随机集理论的目标跟踪与识别 410
引言 412
“贝叶斯冰山”：模型、最优性和可计算性 412
多源、多目标和多证据问题难以处理的原因 419
有限集统计理论（FISST） 419
使用随机集的原因 424
跟踪和识别的基本统计理论 424
贝叶斯递归滤波 425
由传感器模型构造似然函数 426
由运动模型构造马尔可夫密度 427
最优状态估计器 427
多目标传感器模型 428
情形Ⅰ：无漏检、无虚警 428
情形Ⅱ：有漏检 429
情形Ⅲ：有漏检、有虚警 429
情形Ⅳ：多传感器 430
多目标运动模型 430
情形Ⅰ：目标数目没有变化 430
情形Ⅱ：目标数目可能减少 431
情形Ⅲ：目标数目可能增加和减少 431
FISST多源多目标微积分 432
传感器模型的信任质量函数 432
运动模型的信任质量函数 434
集积分和集导数 434
针对FISST微积分的“Tu-the-Crank”规则 437
FISST多源多目标统计学 438
构造真实的多目标似然函数 438
构造真实的多目标马尔可夫密度 439
多目标先验分布 440
多目标后验分布 440
期望值和协方差 441
经典状态估计的失效 442
最优多目标状态估计器 443
多目标状态估计的克莱莫一罗下界 444
多目标的误差距离 444
最优贝叶斯融合，跟踪和识别 444
多传感器多目标滤波方程 445
多目标滤波的简要历史 446
多目标滤波中的计算问题 447
最优传感器管理 449
鲁棒贝叶斯融合，跟踪和识别 449
“模糊”数据的随机集模型 450
模糊数据的形式 451
模糊数据的真实似然函数 452
广义似然函数 452
以模糊数据为条件的后验 453
实用的广义似然函数 453
联合多源多目标数据融合 454
总结和结论 455
致谢 456
参考文献 457
数据融合系统的需求来源 462
引言 462
需求分析过程 463
工程论流程方法 465
企业体系结构方法 467
企业体系结构的三种视图 468
两种方法的对比 470
参考文献 472
数据融合系统的系统工程实现方法 474
引言 474
数据融合体系结构 475
数据融合在信息处理系统中的作用 475
开放的系统环境 476
层次化设计 477
基于范例的体系结构 478
数据融合系统工程方法 482
数据融合工程方法论 482
系统工程方法 484
融合系统任务优化 498
融合系统需求分析 498
融合系统树最优化 499
融合树节点最优化 515
详细的设计与开发 530
参考文献 531
Corlation工程的研究与分析：关联问题及其技术的全面评估 533
引言 533
这项研究的背景和前景 534
数据关联（DC）问题的描述 535
假设生成 537
假设生成问题空间的特性 537
假设生成的解决技术 539
假设生成问题空间到解空间的映射 541
假设评估 543
假设评估问题空间的特性 543
假设评估问题空间到评估方法空间的映射 545
假设选择 547
分配问题 548
假设选择技术对比 549
假设选择的工程实现 554
总结 558
参考文献 560
支持战术数据融合的数据管理 562
引言 562
数据库管理系统 563
空间、时间和层次化推理 565
数据库设计准则 570
直观的算法开发 570
高效的算法性能 571
数据表示精度 571
数据库操作效率 572
空间数据表示法的特性 575
数据库设计中的权衡 582
空间对象表示法 583
低分辨率空间表示法 584
高分辨率空间表示法 584
混合空间特征表示法 585
综合空间／非空间数据表示法 587
应用实例 588
问题的解决途径 589
详细的例子 591
总结和结论 599
致谢 600
参考文献 600
消除人机接口的瓶颈：人机接口（HCI）对数据融合系统性能的影响 601
引言 601
一个多媒体试验 604
SBIR的目标 604
试验设计和测试方法 605
基于计算机训练的实施 607
实验结果总结 609
对数据融合系统的意义 613
致谢 616
参考文献 616
多传感器融合处理性能评估 618
引言 618
数据融合处理的测试和评估 620
建立评估环境 621
测试评估原理体系 622
测试评估准则 623
测试和评估方法 626
测试和评估过程总结 627
评估工具：测试平台、仿真和标准数据集 629
融合性能与军事效能的关系－有效性度量 634
总结 643
参考文献 643
多传感器数据融合中的一些小秘诀 645
引言 645
JDL数据融合处理模型 645
数据融合的发展现状和局限性 648
第一级：目标优化 650
第二级：态势评估 651
第三级：威胁估计 652
第四级：过程优化 653
人机接口（HCI） 654
数据库管理 654
研究需求 655
数据源 655
数据预处理 656
第一级：目标优化 656
第二级：态势评估和第三级：威胁估计 656
人机接口（HCI） 657
数据库管理 657
第四级：过程优化 657
基础设施需求 658
数据融合的缺陷 658
总结 660
参考文献 660
多传感器数据融合系统纵览 664
引言 664
数据融合研究与开发的最新动态 664
系统性能评估 669
参考文献 676
机电系统预测诊断系统开发中的数据融合 677
引言 677
CBM的目的 677
CBM系统概况 680
诊断问题 681
特征级融合 682
决策级融合 682
基于模型的开发 685
多传感器融合工具箱 686
应用实例 687
机电传输 688
流体系统 701
电化学系统 709
结束语 718
致谢 718
参考文献 719
21世纪美国国家航空航天局的信息技术 722
引言 722
美国国家航空航天局的应用领域 723
无人航天探测 723
载人航天探测 724
对地观测 724
空中交通管制 724
下一代的系统设计方法 725
美国国家航空航天局的重要研究投资领域 725
自动推理 726
智能数据理解 727
以人为中心的计算 728
高性能计算和组网 729
结论 730
分布式地面传感器系统的数据融合 731
引言 731
问题域 732
现有的系统 735
传感器信息技术中的原型传感器 736
软件结构 738
陈述性语言终端 739
订购 740
移动代码 740
扩散网络路由 741
协同信号处理 742
信息安全 742
总结 743
致谢及免责声明 743
参考文献 744
一种基于信息需求的融合过程的评估方法 745
引言 745
信息需求 746
数据库分析 749
重要概念 753
评估方法 754
参考文献 757
数据融合相关的Web站点和新闻组 760
术语 765