多源信息融合【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

多源信息融合PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1多源信息融合的一般概念与定义1

1.1.1定义1

1.1.2多源信息融合的优势2

1.1.3应用领域3

1.2信息融合系统的模型和结构4

1.2.1功能模型4

1.2.2信息融合的级别6

1.2.3通用处理结构8

1.3多源信息融合主要技术和方法10

1.4信息融合要解决的几个关键问题11

1.5发展起源、现状与未来12

参考文献14

第2章 统计推断与估计理论基础16

2.1点估计理论基础16

2.1.1一般概念16

2.1.2 Bayes点估计理论17

2.1.3 BLUE估计19

2.1.4 WLS估计19

2.1.5 ML估计20

2.1.6 PC估计20

2.1.7 RLS估计与LMS估计23

2.2期望极大化（EM）方法25

2.2.1概述25

2.2.2 EM算法描述25

2.2.3混合Gauss参数估计的EM算法实例28

2.3线性动态系统的滤波理论与算法29

2.3.1离散时间线性系统状态估计问题的一般描述29

2.3.2基本Kalman滤波器31

2.3.3信息滤波器32

2.3.4噪声相关的Kalman滤波器33

2.4非线性动态系统的滤波理论与算法35

2.4.1扩展Kalman滤波器（EKF）35

2.4.2 UKF滤波37

2.4.3 Bayes滤波40

2.5基于随机抽样的过程估计理论与算法41

2.5.1传统Bayes估计面临的挑战与解决的新思路41

2.5.2 Monte Carlo仿真的随机抽样42

2.5.3 Markov Chain Monte Carlo抽样44

2.5.4粒子滤波的一般方法48

2.6混合系统状态估计理论55

2.6.1一般描述55

2.6.2多模型方法简述56

2.6.3定结构多模型估计57

2.6.4交互式多模型算法60

2.6.5变结构多模型（VSMM）算法概述62

2.7小结66

参考文献66

第3章 智能计算与识别理论基础69

3.1概述69

3.1.1模式识别的一般概念69

3.1.2智能学习与统计模式识别70

3.2粗糙集理论基础71

3.2.1信息系统的一般概念71

3.2.2决策系统的不可分辨性72

3.2.3集合近似73

3.2.4属性约简75

3.2.5粗糙隶属度79

3.2.6广义粗集82

3.3证据理论基础82

3.3.1概述82

3.3.2 mass函数、信度函数与似真度函数83

3.3.3 Dempster-Shafer合成公式87

3.3.4证据推理89

3.3.5证据理论中的不确定度指标91

3.3.6证据理论存在的主要问题与发展92

3.4随机集理论基础94

3.4.1一般概念94

3.4.2概率模型97

3.4.3随机集的mass函数模型100

3.4.4随机集与模糊集的转换101

3.5随机有限集概略105

3.5.1概述105

3.5.2随机有限集的概念105

3.5.3随机有限集的统计106

3.5.4随机有限集的Bayes滤波108

3.6统计学习理论与支持向量机基础110

3.6.1统计学习理论的一般概念110

3.6.2学习机的VC维与风险界112

3.6.3线性支持向量机116

3.6.4非线性支持向量机119

3.6.5用于孤立点发现的One-class SVM算法121

3.6.6最小二乘支持向量机122

3.6.7模糊支持向量机123

3.6.8小波支持向量机124

3.6.9核主成分分析125

3.7 Bayes网络基础126

3.7.1 Bayes网络的一般概念127

3.7.2独立性假设128

3.7.3一致性概率129

3.7.4 Bayes网络推断131

3.8小结135

参考文献135

第4章 目标跟踪139

4.1基本概念与原理139

4.2跟踪门141

4.2.1滤波残差141

4.2.2矩形跟踪门141

4.2.3椭球跟踪门142

4.2.4其他跟踪门142

4.3目标运动模型142

4.3.1机动目标跟踪的数学模型142

4.3.2非机动目标动态模型143

4.3.3坐标不耦合的目标机动模型144

4.3.4二维水平运动模型150

4.3.5三维模型152

4.4量测模型154

4.4.1传感器坐标模型154

4.4.2在各种坐标系中的跟踪155

4.4.3混合坐标系的线性化模型157

4.4.4笛卡儿坐标系下的模型159

4.5雷达量测转换160

4.5.1二维去偏量测转换160

4.5.2三维去偏量测转换162

4.5.3无偏量测转换164

4.5.4修正的无偏量测转换168

4.6基于雷达量测和BLUE准则的目标跟踪170

4.6.1基于BLUE准则的二维量测转换170

4.6.2基于BLUE准则的三维量测转换173

4.7带Doppler量测的雷达目标跟踪177

4.7.1极坐标系中带Doppler量测的雷达目标跟踪177

4.7.2球坐标系中带Doppler量测的雷达目标跟踪182

4.8时间与空间配准185

4.8.1问题描述185

4.8.2时间配准算法187

4.8.3常用坐标系188

4.8.4坐标转换188

4.8.5空间配准算法概述190

4.8.6二维空间配准算法191

4.8.7精确极大似然空间配准算法195

4.8.8基于地心坐标系的空间配准算法198

4.9基于随机有限集的多目标跟踪概述202

4.9.1 RFS目标运动和量测模型203

4.9.2概率假设密度（PHD）滤波器203

4.9.3基数概率假设密度（CPHD）滤波器204

4.9.4 Gaussian-Mixture PHD（GM-PHD）滤波器205

4.10小结206

参考文献207

第5章 检测融合212

5.1概论212

5.2并行结构融合系统的最优分布式检测融合算法214

5.2.1系统描述214

5.2.2最优分布式检测的必要条件215

5.2.3传感器观测独立条件下的最优分布式检测217

5.2.4实例计算219

5.3串行结构融合系统的最优分布式检测融合算法220

5.3.1系统描述220

5.3.2传感器观测独立条件下最优分布式检测的必要条件221

5.3.3传感器观测独立条件下的最优分布式检测223

5.3.4实例计算226

5.4树形结构融合系统的最优分布式检测融合算法226

5.4.1系统描述227

5.4.2结点观测独立条件下最优分布式检测的必要条件228

5.4.3结点观测独立条件下的最优分布式检测229

5.4.4实例计算232

5.5分布式量化检测系统232

5.5.1系统描述233

5.5.2最优分布式量化检测的必要条件234

5.5.3传感器观测独立条件下的最优分布式量化检测235

5.5.4实例计算238

5.6分布式N-P检测融合系统240

5.6.1最优分布式量化检测的必要条件240

5.6.2传感器观测独立条件下的最优分布式检测242

5.6.3传感器观测相关条件下的次优分布式检测243

5.6.4分布式硬决策N-P检测融合系统245

5.6.5实例计算246

5.7小结247

参考文献248

第6章 估计融合250

6.1估计融合系统结构250

6.2集中式融合系统252

6.2.1并行滤波253

6.2.2序贯滤波254

6.2.3数据压缩滤波254

6.3分布式融合系统257

6.3.1分布式融合结构257

6.3.2航迹融合中各传感器局部估计误差相关的原因258

6.3.3简单凸组合融合算法259

6.3.4 Bar-Shalom-Campo融合算法261

6.3.5不带反馈的最优分布式估计融合264

6.3.6带反馈的最优分布式估计融合266

6.3.7最大后验概率状态估计融合270

6.3.8最优的集中式估计的重构278

6.4协方差交叉法281

6.4.1问题描述281

6.4.2相关程度已知的相关估计量最优融合282

6.4.3相关程度未知的相关估计量最优融合284

6.5联邦滤波器286

6.5.1问题描述287

6.5.2方差上界技术287

6.5.3联邦滤波器的一般结构290

6.5.4联邦滤波器的工作流程291

6.5.5联邦滤波器的最优性证明292

6.5.6联邦滤波器的四种结构294

6.5.7联邦滤波器四种结构的比较297

6.5.8联邦滤波器的特点297

6.5.9联邦滤波器的两种简化形式298

6.6最优线性估计融合与统一融合规则298

6.6.1问题描述298

6.6.2统一线性数据模型299

6.6.3对于线性数据模型的统一最优融合规则301

6.6.4一般的最优的线性融合规则308

6.7非线性分层融合算法310

6.8为什么需要估计融合311

6.8.1中心式融合311

6.8.2分布式融合313

6.9小结315

参考文献316

第7章 数据关联320

7.1引言320

7.2量测-航迹关联算法：经典方法320

7.2.1最近邻方法321

7.2.2概率数据关联321

7.2.3交互式多模型概率数据关联324

7.2.4联合概率数据关联327

7.2.5多传感联合概率数据关联332

7.3量测-航迹关联的其他方法335

7.3.1基于粒子滤波的联合概率数据关联335

7.3.2多假设方法337

7.3.3概率多假设方法339

7.3.4基于期望极大化算法的杂波环境下机动目标跟踪346

7.4集中式多传感多目标跟踪的广义S维分配算法348

7.5多目标跟踪起始与跟踪终止算法350

7.5.1跟踪起始方法350

7.5.2跟踪终止方法355

7.5.3基于目标可感知性的决策方法355

7.6分布式航迹关联360

7.6.1基本符号360

7.6.2两个传感器之间的航迹关联360

7.6.3多传感器之间的航迹关联362

7.7小结364

参考文献365

第8章 异步融合368

8.1异步融合的一般概念368

8.2顺序量测异步融合368

8.2.1问题描述368

8.2.2顺序量测异步融合算法370

8.3单个非顺序量测异步融合问题371

8.3.1非顺序量测问题产生的原因371

8.3.2非顺序量测问题的数学描述371

8.3.3非顺序量测问题的主要处理算法372

8.3.4直接更新法的通解373

8.4单个非顺序量测一步滞后滤波374

8.4.1 A1算法374

8.4.2 B1算法377

8.4.3 C1算法377

8.4.4各种算法比较378

8.5单个非顺序量测多步滞后滤波379

8.5.1 Bl算法380

8.5.2 Al1与Bl1算法385

8.5.3 Zl算法388

8.6多OOSM多步滞后滤波390

8.7小结392

参考文献392

第9章 图像融合394

9.1图像融合概述394

9.1.1图像融合的一般概念394

9.1.2图像融合的发展394

9.1.3图像融合的简单应用实例395

9.2图像融合的分类399

9.2.1像素级图像融合399

9.2.2特征级图像融合400

9.2.3决策级图像融合401

9.2.4三个图像融合层次的性能比较402

9.3图像配准402

9.3.1配准的基本概念402

9.3.2配准需要解决的问题404

9.3.3配准算法405

9.3.4变换模型及配准参数估计方法413

9.3.5图像的重采样和变换414

9.4图像融合算法415

9.4.1简单图像融合算法415

9.4.2基于金字塔分解的图像融合算法416

9.4.3基于小波变换的图像融合算法422

9.4.4其他图像融合算法426

9.5遥感图像融合427

9.5.1遥感图像融合概述427

9.5.2遥感图像数据融合的基本框架428

9.5.3基于粗糙集的特征选择与多源遥感图像融合分类429

9.5.4用于目标搜索的融合框架设计431

9.6基于图像融合的目标跟踪432

9.6.1图像跟踪的一般理论432

9.6.2图像跟踪的工程算法433

9.6.3图像跟踪的一般过程435

9.7图像融合的评价标准446

9.7.1主观评价标准447

9.7.2客观评价标准447

9.8小结449

参考文献449

第10章 异类融合455

10.1概述455

10.2基于雷达检测与红外检测融合处理的目标跟踪456

10.2.1问题概述456

10.2.2算法描述457

10.3基于音频和视频特征融合的身份识别460

10.3.1问题概述460

10.3.2音频特征提取460

10.3.3视频特征提取461

10.3.4分类463

10.3.5多形态融合464

10.4杂波环境中基于异类信息融合的目标跟踪464

10.4.1问题描述464

10.4.2概率生成模型466

10.4.3对于音频-视频数据的一个概率生成模型466

10.4.4基于音频-视频数据融合的参数估计与目标跟踪468

10.4.5融合与跟踪结果471

10.5共同杂波环境中基于异类信息的多传感误差传递与校正473

10.5.1概述473

10.5.2问题描述与基本原理473

10.5.3目标1量测数据的误差标定与分离算法475

10.5.4从目标1量测数据到目标2量测数据的误差传递算法476

10.5.5目标2量测数据的误差校正算法477

10.6多源异类信息融合的一般方法论探讨478

10.6.1多源异类信息融合的一般概念479

10.6.2多源异类信息融合的基本思路479

10.6.3多源异类信息融合的方法论探讨481

10.7小结496

参考文献496

第11章 智能交通与信息融合500

11.1智能交通系统概述500

11.1.1一般概念500

11.1.2发展过程501

11.1.3主要研究方向502

11.1.4我国ITS发展现状503

11.1.5智能交通系统的发展方向504

11.2智能车辆系统概述504

11.2.1主要研究内容504

11.2.2研究与应用现状506

11.2.3多传感技术应用507

11.3基于多传感信息融合的路径规划与自动导航508

11.3.1基于多传感信息融合的路径规划508

11.3.2基于多传感信息融合的自动导航510

11.4智能车辆系统的障碍规避与防碰撞516

11.4.1智能车辆防碰撞系统的研究内容516

11.4.2智能车辆防碰撞系统的组成518

11.4.3自适应巡航控制系统的关键技术519

11.4.4当前存在的问题519

11.5基于证据推理的多传感器信息融合的道路车辆跟踪520

11.5.1引言520

11.5.2车载传感器数据关联的D-S实现521

11.5.3仿真示例524

11.6小结528

参考文献528

第12章 态势评估和威胁估计531

12.1前言531

12.2决策级融合中的态势评估531

12.2.1态势的概念532

12.2.2现代战争中的态势评估533

12.2.3基于战争环境的威胁估计534

12.3态势评估的实现536

12.3.1态势评估的特点536

12.3.2态势评估过程537

12.3.3态势评估的事后分析540

12.4一个简单的应用实例541

12.4.1问题描述541

12.4.2系统建模542

12.5常用的态势评估方法542

12.5.1推理理论543

12.5.2模糊集理论543

12.5.3专家系统方法543

12.5.4黑板模型543

12.5.5进化算法544

12.5.6多智能体理论545

12.6小结546

参考文献547