《泊松点过程 成像跟踪和感知》PDF下载

  • 购买积分:10 如何计算积分?
  • 作  者:(美)斯特利特著
  • 出 版 社:北京:科学出版社
  • 出版年份:2013
  • ISBN:9787030368218
  • 页数:210 页
图书介绍:多维空间参数的非齐次Poisson点过程是建模和检测的重要工具,本书主要论述了相关的理论和应用,分为三个部分。第一部分介绍Poisson点过程的基本数学模型和性质,包括直观的Poisson随机运算、推断和强度函数的估计。第二部分介绍应用,是本书的重点,包括医学中的多层扫描、多目标的追踪、分布式感知器的检测等。第三部分介绍其他点过程的推广,包括用能量函数描述空间联系的Gibbs点过程等。附录中介绍了不完全数据下参数的最大似然估计的卓有成效的EM算法。

第1章 导论 1

1.1全书一览 2

1.1. 1部分Ⅰ——基础知识 2

1.1.2部分ⅠⅠ——应用于成像、跟踪和分布感知 3

1. 1.3部分ⅠⅠⅠ——超越泊松点过程 3

1.1. 4附录 4

1.2实线不充分之处 4

1.3一般点过程 5

1.4另一种习惯提法 6

部分Ⅰ基础知识 8

第2章 泊松点过程 8

2. 1事件空间 8

2.2强度 9

2.3实现 10

2.4似然函数 13

2.5期望 14

2.5. 1定义 14

2.5.2随机和 16

2. 6 Campbell定理 18

2. 6. 1 PPPs的特征化 19

2. 6.2概率生成泛函 20

2.7叠加 21

2.8独立(伯努利)细化 23

2.9独立性说明 26

2.9.1独立散射 26

29. 2泊松策略 29

2.9.3泊松分布的不可或缺性 30

2.9.4与随机过程的联系 32

2. 10非线性变换 33

2. 11随机变换 36

2. 11. 1转移过程 36

2. 11.2观测过程 37

2. 12其他空间中的PPPs 39

2. 12.1离散空间 40

2. 12.2离散-连续空间 42

第3章 强度估计 44

3. 1最大似然算法 45

3. 1. 1必要条件 45

3.1.2高斯十字瞄准线和边缘效应 46

3.2样本数据的叠加强度 48

3.2. 1样本数据的EM方法 49

3.2.2权重的解释 51

3.2.3简单的例子 52

3.2.4仿射高斯和 53

3.3直方图数据的叠加强度 56

3.3. 1直方图数据的EM方法 56

3.3.2仿射高斯和 59

3.4正则化 60

3.4.1参数系定 61

3.4.2贝叶斯方法 62

第4章 强度估计的克拉默-拉奥界(CRB) 63

4.1背景 64

4.1.1无偏估计 64

4.1.2费希尔信息矩阵和得分向量 65

4.1.3 CRB和柯西-施瓦茨不等式 65

4.1.4附带说明 67

4.2样本数据的PPP强度的CRB 68

4.3直方图数据的PPP强度的CRB 70

4.4离散空间上的PPP强度的CRB 73

4.5选通:基架上的高斯分布 74

4.6高斯和的联合CRB 76

4.6.1一个高斯和中的均值向量 76

4.6.2高斯和的均值与系数 77

4.7观测信息矩阵 78

4.7.1一般和 79

4.7.2仿射高斯和 80

部分Ⅱ应用于成像、跟踪和分布感知 84

第5章 断层成像 84

5.1正子发射断层成像 85

5. 2 PET:飞行时间数据 87

5.2. 1图像重构 87

5.2.2小单元极限 91

5.2.3直观的阐释 91

5. 3 PET:直方图数据 91

5.3.1作为离散空间的检测器 91

5.3.2 Shepp-Vardi算法 92

5.4单光子发射计算断层成像 96

5.4.1伽马照相机 96

5. 4.2图像重构 97

5.5传输断层成像 103

5.5. 1背景描述 103

5.5.2 Lange-Carson算法 104

5.6发射断层成像和传输断层成像的CRBs 109

5.7正则化 111

5.7. 1筛的Grenander方法 111

第6章 多目标跟踪 113

6.1强度滤波器 114

6.1. 1 PPP模型说明 114

6.1.2预测目标和测量过程 115

6. 1.3信息更新 117

6.1.4最终滤波器 120

6.2与其他滤波器的关系 122

6.2. 1概率假设密度滤波器 122

6.2.2有标号的多传感器强度滤波器 123

6.3实现 124

6. 3. 1粒子方法 124

6.3.2均值移位算法 126

6.3.3多模式算法 127

6.3.4协方差矩阵 127

6.3.5高斯和方法 129

6.3.6正则化 129

6.4估计目标数 131

6.4.1误差源 131

6.4. 2方差减少 132

6.5多传感器强度滤波器 132

6.5.1同一探测范围传感器 133

6.5.2非纯一传感器探测范围 135

6.6历史性事件注解 136

第7章 分布式感知 138

7.1距离分布 139

7.1.1传感器对目标 139

7.1.2传感器之间 142

7.2通信分集 145

7.3检测覆盖范围 146

7.3. 1平稳传感器场 147

7.3.2漂移场和各向异性 150

7. 4立体测量学 152

部分Ⅲ 超越泊松点过程 156

第8章 点过程的丰富内容 156

8. 1标号过程 157

8.1.1乘积空间和标号定理 157

8. 1.2滤波过程 159

8.1.3无偏估计器的FIM 159

8.2硬核过程 160

8.3聚点过程 161

8. 3. 1泊松聚点过程 161

8.3.2 Neyman-Scott过程 162

8.4 Cox(双随机)过程 163

8.4.1等效Neyman-Scott过程 164

8.4.2强度函数为SDE之解 165

8.4.3马尔可夫调制泊松过程 165

8.5吉布斯点过程 166

第9章剪辑室 167

9.1进一步的课题 167

9.2可能趋势 169

附录A期望最大化方法 170

附录B求解条件均值方程 175

附录C贝叶斯滤波 177

附录D强度滤波器的贝叶斯推导 181

附录E MMIF:标号多目标强度滤波器 186

附录F线性滤波器模型 192

术语表 195

缩写词表 199

参考文献 201

索引 207