第1章 分布式数据融合展望 1
1.1 导论 1
1.2 数据融合的简要历史 2
1.3 JDL数据融合过程模型 3
1.4 数据融合的过程模型 5
1.5 变化的前景：影响数据融合的关键趋势 8
1.6 分布式数据融合的启示 11
参考文献 11
第2章 分布式数据融合——总体设计要点和一些新方法 16
2.1 概述 16
2.1.1 内容 16
2.2 DDF系统概念 17
2.3 DDF设计要点 17
2.4 信息回收 18
2.4.1 有界协方差膨胀 18
2.4.2 耦合标量 20
2.4.3 分散跟踪案例 20
2.5 传感器协调 21
2.5.1 最大和算法 22
2.5.2 目标跟踪范例 23
2.6 自私的利益相关者 25
2.6.1 问题描述 26
2.6.2 估值函数 27
2.6.3 机制 28
2.6.4 实例 29
2.7 信任和信誉 30
2.7.1 合同的期望效用 30
2.7.2 异构合同：膨胀的独立β分布 31
2.7.3 异构合同：卡尔曼滤波器信任模型 32
2.7.4 实证评价 33
2.8 未来的设计问题和机会 35
2.8.1 HAC设计问题 35
2.8.2 HAC机遇 36
致谢 37
参考文献 37
第3章 网络中心概念——对分布式融合系统设计的冲击 39
3.1 引言 39
3.2 价值链概念 40
3.3 价值链过程 41
3.4 决策中的信息价值 42
3.5 融合的作用（1） 43
3.6 意义构建 44
3.7 意义构建的性质和过程 46
3.8 融合的作用（2） 49
3.9 价值链中的自组织和自同步 49
3.10 意义建构、命令和控制中的复杂性 50
3.11 总结 52
参考文献 52
第4章 无线传感器网络中的分布式检测 55
4.1 前言 55
4.2 理想信道上的分布式检测 56
4.2.1 贝叶斯公式 58
4.2.2 Neyman-Pearson公式 59
4.2.3 融合规则设计 60
4.2.4 渐进制度 61
4.2.5 计数规则 62
4.2.6 基于虚警率的传感器决策规则 63
4.2.7 相关决策 67
4.3 非理想信道上的分布式检测 69
4.3.1 具有部分信道状态信息的分布式检测 71
4.3.2 无信道状态信息的分布式检测 72
4.4 结论 73
参考文献 74
第5章 分布式估计基础 80
5.1 引言 80
5.2 分布式估计的结构 81
5.2.1 融合结构图 81
5.2.2 信息图 83
5.2.3 信息通信和公共的先验知识 86
5.2.4 选择合适的结构 88
5.3 贝叶斯分布式融合算法 88
5.3.1 分布式贝叶斯估计的问题和解 88
5.3.2 用于高斯随机向量的贝叶斯分布 90
5.4 用于不同结构的优化贝叶斯分布融合 91
5.4.1 分层结构 91
5.4.2 任意分布式融合结构 92
5.5 次优贝叶斯分布式融合算法 93
5.5.1 朴素融合 93
5.5.2 通道滤波器融合 93
5.5.3 Chernoff融合 94
5.5.4 Bhattacharyya融合 95
5.6 高斯分布或有误差协方差估计的分布式估计 95
5.6.1 最大后验融合或最佳最小无偏估计 96
5.6.2 互协方差融合 96
5.7 目标跟踪中的分布式估计 97
5.7.1 确定性动力学 97
5.7.2 非确定性动力学 98
5.8 目标分类的分布式估计 99
5.8.1 分布式目标分类结构 99
5.8.2 分布式分类算法 100
5.9 总结 100
5.10 参考文献注释 100
参考文献 101
第6章 分布式目标跟踪的本质——航迹融合和航迹关联 104
6.1 引言 104
6.2 航迹融合 105
6.2.1 单次航迹融合 105
6.2.2 重复航迹融合 119
6.3 航迹关联 126
6.3.1 航迹关联问题的定义 126
6.3.2 航迹关联度量指标 127
6.3.3 航迹关联度量指标的比较 129
6.4 结论 131
参考文献 131
第7章 分散式数据融合——公式和算法 136
7.1 分散式数据融合介绍 136
7.2 信息形式介绍 136
7.3 分散式融合及通信 138
7.3.1 树网络拓扑，通道缓存 138
7.3.2 相关信道滤波器方法 140
7.3.3 小结 143
7.4 动态系统 143
7.4.1 状态动力学 144
7.4.2 分散式数据融合中的动态特性 147
7.4.3 小结 152
7.5 有冗余的k树拓扑和动态网络 153
7.5.1 k树中的分散数据融合 155
7.5.2 数据标签集 156
7.5.3 分隔器和近邻性质 156
7.5.4 k树通信算法 157
7.5.5 链路和节点出错的鲁棒性 160
7.5.6 小结 160
7.6 结论 161
7.A 附录 162
7.A.1 信息形式的边缘化 162
7.A.2 轨迹信息形式等价 162
致谢 164
参考文献 164
第8章 分布式融合的理论基础 166
8.1 引言 166
8.2 单目标分布式融合：综述 168
8.2.1 单目标贝叶斯滤波 168
8.2.2 独立源的T2F 169
8.2.3 已知重复计数条件下的T2F 171
8.2.4 协方差相交 172
8.2.5 指数混合融合 173
8.3 有限集统计：综述 176
8.3.1 多目标递归贝叶斯滤波器 176
8.3.2 多目标微积分 177
8.3.3 PHD滤波 179
8.3.4 CPHD滤波 180
8.3.5 近期主要进展 182
8.4 通用多目标分布式融合 183
8.4.1 独立源的多目标T2F 183
8.4.2 已知重复计算条件下的多目标T2F 184
8.4.3 多目标XM融合 185
8.5 CPHD/PHD滤波器分布式融合 185
8.5.1 独立源的CPHD滤波器T2F 185
8.5.2 独立源的PHD滤波器T2F 186
8.5.3 已知重复计算条件下的CPHD滤波器T2F 187
8.5.4 已知重复计算条件下的PHD滤波器T2F 188
8.5.5 CPHD滤波器XM融合 188
8.5.6 PHD滤波器XM融合 189
8.6 计算问题 190
8.6.1 实现：精确的T2F公式 190
8.6.2 实现：XM T2 F公式 191
8.7 数学推导 193
8.7.1 证明：CPHD T2F融合——独立源 193
8.7.2 证明：PHD T2F融合——独立源 194
8.7.3 证明：重复计算条件下的CPHD滤波器 195
8.7.4 证明：CPHD滤波器XM融合 195
8.7.5 证明：PHD滤波器XM融合 196
8.7.6 证明：PHD滤波器Chernoff信息 197
8.7.7 证明：XM实现 197
8.8 结论 198
参考文献 198
第9章 分布式环境下的目标分类 202
9.1 导论 202
9.2 目标分类方法概述 203
9.3 目标分类的体系结构选项 204
9.4 分布式目标分类的问题 205
9.4.1 显式重复计算 206
9.4.2 隐式重复计算（统计上不独立） 207
9.4.3 具有硬声明的遗留系统 207
9.4.4 混合不确定性表示 208
9.5 分类器融合 208
9.5.1 分类器融合方法的分类法 209
9.5.2 组合分类器 210
9.6 最优分布式贝叶斯目标分类 211
9.6.1 集中式目标分类算法 212
9.6.2 分布式目标分类 213
9.6.3 通信策略 216
9.6.4 性能评估 216
9.7 结论 221
参考文献 221
第10章 分布式高级别融合框架 224
10.1 导论 224
10.2 概念与方法 225
10.3 分布式融合环境 227
10.4 分布式态势评估算法 229
10.4.1 结树的构建与推理 232
10.5 分布式卡尔曼滤波器 233
10.6 与网络中心战的相关性 235
10.7 智能代理的作用 236
10.7.1 何谓代理 237
10.7.2 分布式融合中代理的应用 238
10.8 结论及进一步阅读 240
参考文献 240
第11章 分布式环境中的威胁分析 245
11.1 导论 245
11.2 部分定义 246
11.3 威胁分析：基本概念 247
11.3.1 行动、事件和参考点 247
11.3.2 意图 247
11.3.3 影响和后果 248
11.4 作为干扰评估问题的威胁分析 249
11.4.1 意图-能力-机会三要素 249
11.4.2 数据融合模型中的威胁分析 251
11.5 目标和计划识别 251
11.6 作为计划识别问题的威胁分析 253
11.6.1 计划识别 254
11.6.2 计划识别方法 255
11.6.3 威胁分析中的问题 260
11.7 军事行动中的威胁分析 260
11.7.1 任务复杂性 261
11.7.2 环境因素 261
11.8 分布式环境中的威胁分析 263
11.8.1 集中和分散控制 263
11.8.2 分布式的优点 264
11.8.3 操作的挑战 264
11.8.4 分析的挑战 265
11.8.5 合作的挑战 265
11.8.6 威胁分析与网络中心运作 266
11.9 讨论 266
参考文献 267
第12章 更高级别分布式融合的本体论结构 271
12.1 前言 271
12.2 本体论 272
12.3 查询网络 274
12.4 互操作性与推理 277
12.5 推理相关知识库 279
12.6 推理相关事件 280
12.7 限制地理区域查询 281
12.8 讨论：可疑活动推理 283
12.9 结论 286
参考文献 286
第13章 以人为中心信息融合的服务导向体系结构 288
13.1 前言 288
13.2 共享感知与传感器网 289
13.2.1 共享感知运动 289
13.2.2 传感器网 292
13.3 服务导向融合架构 293
13.3.1 服务导向融合金字塔 294
13.3.2 高级别评估 298
13.4 SOA中的混合感知与混合认知 299
13.5 结论 300
致谢 300
参考文献 300
第14章 长远传感器管理 304
14.1 引言 304
14.2 随机动态规划 305
14.3 面向市场的规划 306
14.4 基于仿真测试的性能评估 311
14.4.1 仿真平台 311
14.5 结论 313
参考文献 313
第15章 分布式数据和信息融合系统及过程的测试和评估 316
15.1 测试和评估相关概念简述 316
15.2 理解分布式融合系统的概念和T＆E的含义 318
15.2.1 测试与评估的含义 320
15.2.2 网络价值链中的度量手段和指标 321
15.2.3 融合估计和真实状态 323
15.2.4 性能评估树的概念 324
15.2.5 错误审计线索中的复杂性 327
15.2.6 正式实验设计和统计分析 328
15.3 总结对分布式融合系统测试与评估的影响及其策略 332
15.4 DDIFS应用案例的评论 333
15.5 总结和结论 339
参考文献 340
第16章 分布式网络中心融合系统中的人因工程 342
16.1 前言 342
16.2 驱动融合系统设计、开发和评估的域特征 344
16.3 减少域复杂度的融合系统特性分析 348
16.4 用于情报分析的软硬融合过程中接触点分析 352
16.4.1 接触点1 353
16.4.2 接触点2 354
16.4.3 接触点3 355
16.4.4 接触点4 355
16.4.5 接触点5 356
16.4.6 接触点6 357
16.5 结论 359
致谢 359
参考文献 360
第17章 视觉传感器网络中的分布式数据信息融合 364
17.1 概述 364
17.2 视觉传感器网络 365
17.2.1 要求和问题 365
17.2.2 相关研究 367
17.2.3 高级别信息融合上下文方法 368
17.3 视觉传感器网络中的多代理系统 370
17.3.1 信念-愿望-意图模式 371
17.3.2 通信与协调 372
17.4 视觉传感器网络数据管理中的多代理方法 373
17.4.1 传感器代理：目标跟踪 374
17.4.2 融合代理：低级-高级数据融合，上下文开发与反馈 375
17.5 应用实例：室内监控 377
17.5.1 框架配置：摄像机校准及上下文定义 378
17.5.2 低级别信息融合 380
17.5.3 上下文增强跟踪 382
17.5.4 场景解释 383
17.6 总结与未来的研究方向 383
参考文献 384
索引 391