第1章 多源信息融合综述 1
1.1 信息融合学科发展简述 1
1.2 信息融合技术研究动态 2
1.3 信息融合模式 7
1.3.1 JDL信息融合过程顶层模型 7
1.3.2 第三代信息融合模型 8
1.4 信息融合的优势 13
1.4.1 范围扩展优势 13
1.4.2 统计优势 14
1.4.3 互补优势 15
1.4.4 识别和判定优势 16
1.4.5 应用支持优势 16
1.5 信息融合面临的挑战性问题 17
1.6 信息融合中的奥秘 21
参考文献 24
第2章 信息关联／相关的概念与实现技术 28
2.1 感知领域中的信息关联／相关概念 28
2.2 信息关联／相关的内涵 29
2.2.1 信号级融合结构中的信息关联 29
2.2.2 点迹（数据和特征）级融合结构中的信息关联 30
2.2.3 判定级融合结构中的信息相关 31
2.2.4 关联与相关概念的差异 31
2.3 关联／相关中的不确定性 33
2.3.1 关联／相关中的不确定性概念 33
2.3.2 目标定位与跟踪中的不确定性表现 33
2.3.3 不确定性对关联／相关效果的影响 37
2.4 关联／相关度量参数及其计算 41
2.4.1 状态差异的直接度量计算 41
2.4.2 状态差异的综合度量 43
2.4.3 属性差异度量 45
2.4.4 差异信息识别应用原理 52
2.5 关联／相关的判定方法 53
2.5.1 基于状态偏差的关联／相关硬判定 53
2.5.2 基于一阶状态偏差似然函数的关联／相关判定 55
2.5.3 基于二阶状态偏差似然函数的相关判定 58
2.6 有源雷达与ESM传感器目标关联判定方法 60
2.6.1 问题描述 60
2.6.2 两假设单／双门限关联判定方法 62
2.6.3 三门限关联判定公式 64
2.7 关联／相关应用案例 65
2.7.1 基于状态偏差的点迹—航迹统计关联算法 65
2.7.2 考虑信号辐射角度的ESM探测与多雷达目标关联 68
2.7.3 基于GAM模型的ESM测量与雷达目标关联 71
参考文献 75
第3章 目标检测前跟踪技术 76
3.1 检测前跟踪技术概述 76
3.1.1 检测后跟踪与检测前跟踪 76
3.1.2 检测前跟踪技术现状 78
3.1.3 检测前跟踪技术的典型方法 78
3.1.4 检测前跟踪技术的主要性能评价指标 80
3.2 DP-TBD技术 81
3.2.1 动态规划（DP） 81
3.2.2 DP-TBD技术原理 83
3.2.3 DP-TBD设计实现方法 88
3.2.4 DP-TBD检测性能分析 99
3.2.5 DP-TBD检测性能和效果仿真 101
3.3 基于Hough变换的检测前跟踪技术 106
3.3.1 Hough变换概念及其在信号检测中的作用 106
3.3.2 基于Hough变换的检测前跟踪方法 107
3.3.3 基于Hough变换检测前跟踪仿真案例 113
3.3.4 基于Hough变换的目标检测应用分析 119
3.4 基于粒子滤波的检测前跟踪 121
3.4.1 粒子滤波原理和实现方法 121
3.4.2 PF-TBD目标与传感器观测模型 129
3.4.3 基于贝叶斯估计的PF-TBD算法 130
3.4.4 PF-TBD仿真案例 135
3.5 多雷达融合检测前跟踪设想 142
3.5.1 多雷达检测前跟踪的优势 142
3.5.2 信号配准 143
3.5.3 多雷达检测前跟踪策略 147
3.6 小结 149
参考文献 149
第4章 作战识别融合结构、方法与应用 153
4.1 作战识别的基本概念 153
4.2 作战识别的体系结构 155
4.2.1 基于JDL信息融合模型的CID功能描述 156
4.2.2 CID的多假设关系结构 157
4.3 识别信息获取与度量 164
4.3.1 传感器目标信号获取过程 164
4.3.2 目标特征测量方程 165
4.3.3 目标识别信息的度量 166
4.4 识别信息的一致性与冲突性 167
4.4.1 基于D-S证据理论的识别信息的一致性 168
4.4.2 识别信息的冲突性 171
4.5 CID融合中的不确定性变换 175
4.5.1 CID融合中的不确定性概念 175
4.5.2 CID中的不确定性融合方法 177
4.6 CID融合方法 181
4.6.1 CID融合方法分类描述 181
4.6.2 CID融合识别流程 188
4.7 CID融合识别实现案例 191
4.7.1 基于一维距离像的弹道目标识别方法 191
4.7.2 基于贝叶斯推理的目标识别 198
4.7.3 基于修正D-S证据合成的地面目标识别 201
4.7.4 基于多分类器的空中目标融合识别 205
4.7.5 基于对抗效果的防空威胁识别 211
4.7.6 空情识别专家系统 219
参考文献 224
第5章 目标跟踪优化算法与应用 227
5.1 引言 227
5.2 基于跟踪传感器测量的高阶运动目标状态估计 228
5.2.1 高阶运动目标状态数学模型与求解 228
5.2.2 一阶目标状态估计模型的求解 230
5.2.3 二阶目标状态估计模型的求解 231
5.3 充分统计量及其应用 234
5.3.1 充分统计量概念与判定 234
5.3.2 充分统计量在两假设判决中的应用 235
5.4 线性系统状态测量的充分统计量与二次最优滤波 237
5.4.1 线性系统状态测量的充分统计量 237
5.4.2 基于充分统计量的线性系统二次滤波流程 239
5.5 常变速系统的充分统计量与二次最优滤波 240
5.5.1 常变速系统状态测量的充分统计量 240
5.5.2 基于充分统计量的常变速系统的二次最优滤波 243
5.6 系统参数辨识的优化方法 244
5.6.1 问题的提出 244
5.6.2 基于测量样本的动态系统参数辨识方法 245
5.6.3 两个动态系统状态参数异同辨识方法 248
5.7 目标速度机动的最优判决 251
5.7.1 目标速度变化状态和测量模型 251
5.7.2 基于复合假设的速度机动判决 252
5.7.3 目标速度机动判定实现公式 253
5.7.4 应用案例 255
5.8 目标航向机动的最优判决 256
5.8.1 复合假设似然比判决问题 257
5.8.2 目标转弯的机动判决模型 258
5.8.3 目标转弯机动判决工程实现公式 259
5.8.4 目标转弯机动判决应用案例 263
参考文献 264
第6章 纯方位目标跟踪系统的可观测性分析 265
6.1 引言 265
6.2 线性系统可观测性的基本理论 266
6.2.1 离散线性系统可观测性 266
6.2.2 连续线性系统可观测性 267
6.3 单静止站纯方位跟踪系统的可观测性 269
6.3.1 问题描述 270
6.3.2 可观测性分析 271
6.3.3 部分可观测性 272
6.3.4 目标参数估计算法分析 274
6.3.5 仿真实例分析 274
6.4 单运动平台纯方位跟踪系统的可观测性分析 277
6.4.1 单平台纯方位跟踪系统可观测性问题的描述 277
6.4.2 单平台纯方位跟踪系统对常速运动目标的可观测性分析 278
6.4.3 单平台纯方位跟踪系统对常加速运动目标的可观测性分析 285
6.4.4 单平台纯方位跟踪对N阶运动目标的可观测性分析 287
6.5 多固定基站纯方位跟踪系统的可观测性 291
6.5.1 问题描述 291
6.5.2 可观测性判定 292
6.5.3 仿真实例分析 293
6.6 多运动平台纯方位跟踪系统的可观测性分析 294
6.6.1 多运动平台角度测量变换 294
6.6.2 基于多运动平台纯方位跟踪的目标伪线性测量方程 296
6.6.3 可观测性分析 297
6.7 小结 299
参考文献 299
第7章 纯方位跟踪平台的最优运动轨迹 301
7.1 引言 301
7.2 基础理论概述 302
7.2.1 最优控制理论与应用 302
7.2.2 极大值原理 306
7.2.3 目标跟踪误差的Cramer-Rao下界 310
7.3 全局精度准则下纯方位跟踪平台最优运动轨迹 313
7.3.1 单平台纯方位目标跟踪问题描述 313
7.3.2 纯方位跟踪平台轨迹的约束方程 315
7.3.3 全局精度准则下跟踪平台最优轨迹模型 317
7.3.4 跟踪平台最优轨迹模型的数值解法 321
7.3.5 仿真实验及分析 323
7.4 距离精度准则下纯方位跟踪平台最优运动轨迹 326
7.4.1 基于距离精度的指标函数 326
7.4.2 距离精度准则下跟踪平台的最优轨迹模型 326
7.4.3 仿真实验及分析 327
7.5 小结 331
参考文献 332
第8章 多站纯方位目标定位 334
8.1 多站纯方位三角定位法 334
8.1.1 二站纯方位三角定位法 334
8.1.2 三站纯方位三角定位法 335
8.1.3 多站纯方位三角定位法 341
8.2 多站纯方位最小二乘定位方法 341
8.2.1 多站纯方位线性最小二乘定位法 341
8.2.2 多站纯方位加权线性最小二乘定位法 342
8.2.3 多站纯方位非线性最小二乘定位方法 345
8.3 多站纯方位定位的贝叶斯方法 348
8.3.1 二站纯方位目标定位的贝叶斯估计方法 348
8.3.2 三站纯方位目标定位的贝叶斯估计方法 354
8.3.3 多站纯方位目标定位的贝叶斯估计方法 362
8.4 小结 366
参考文献 366
第9章 基于视觉感知的图像融合及融合质量评价 368
9.1 常用融合图像质量定量评价指标 369
9.2 基于视觉感知的图像融合 372
9.2.1 源图像视觉显著图提取 373
9.2.2 基于视觉显著图的多尺度图像融合 374
9.2.3 实验结果与分析 376
9.3 基于结构相似度的融合图像质量评价 380
9.3.1 结构相似度基本概念和计算模型 380
9.3.2 视觉注意加权的融合图像结构相似度 383
9.3.3 实验结果与分析 385
9.4 基于区域信息相似度的融合图像质量评价 388
9.4.1 区域特征提取与评价指标设计 388
9.4.2 实验结果与分析 391
9.5 基于频谱分析和图像融合的红外弱小目标增强 397
9.5.1 红外弱小目标增强原理 397
9.5.2 频谱残留理论与显著区域 398
9.5.3 基于频谱残留和图像融合的弱小目标增强 400
9.5.4 实验结果与分析 401
参考文献 407
第10章 人在信息融合系统中的作用 410
10.1 概述 410
10.2 用户在融合系统设计中的作用 412
10.2.1 用户作用概述 412
10.2.2 用户角色 412
10.2.3 确定信息需求优先级 415
10.2.4 提供外界和周边关系信息 417
10.2.5 认知融合设计 418
10.3 含有用户的信息融合系统 419
10.3.1 数据融合信息组模型 419
10.3.2 用户—融合模型 421
10.3.3 传感器管理 422
10.3.4 用户与设计的交互活动 422
10.4 用户精炼活动 424
10.4.1 用户精炼功能概述 424
10.4.2 融合过程中的用户精炼活动 425
10.4.3 用户的融合控制与管理活动 428
10.4.4 用户的交互行动与度量 430
10.5 用户精炼中的关键问题 431
10.5.1 态势感知中的用户模型 432
10.5.2 融合质量度量中人的因素分析 434
10.5.3 用户的评估活动 435
10.5.4 动态判定中的认知处理 437
10.5.5 认知工作分析／任务分析 439
10.5.6 显示／界面设计 440
10.6 基于用户与算法融合的目标识别案例 442
10.7 小结 444
参考文献 445