多传感器多源信息融合理论及应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

多传感器多源信息融合理论及应用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　多传感器多源信息融合概述1

1.1　信息融合的概念及其优点1

1.1.1　什么是信息融合2

1.1.2　多源多传感器信息融合的优势4

1.2　多源信息融合的模型7

1.2.1　功能模型7

1.2.2　结构模型17

1.2.3　主要的信息融合技术和方法22

1.3　信息融合的研究现状和存在的问题26

1.3.1　多源信息融合的研究现状26

1.3.2　多源信息融合存在的主要问题29

1.4　信息融合技术的应用31

1.5　本书结构32

1.6　结论32

参考文献33

第2章　数学基础38

2.1　概率论、随机过程与数理统计基础38

2.1.1　事件与概率38

2.1.2　随机变量及其分布39

2.1.3　高斯随机变量41

2.1.4　x2分布随机变量43

2.1.5　多维随机向量44

2.1.6　全概率公式与贝叶斯公式47

2.1.7　随机过程48

2.1.8　假设检验51

2.1.9 Neyman-Pearson定理52

2.2　线性代数、矩阵论与线性系统53

2.2.1　矩阵基本概念54

2.2.2　特征值与特征向量56

2.2.3　矩阵求逆引理58

2.2.4　矩阵微积分59

2.2.5　线性系统理论61

2.3　结论63

参考文献63

第3章　参数估计与滤波理论64

3.1　参数估计基本概念64

3.1.1　参数估计问题的基本描述64

3.1.2　参数估计模型65

3.2　最大似然估计65

3.3　最小二乘估计66

3.3.1　线性最小二乘估计的批处理算法67

3.3.2　线性最小二乘估计的迭代算法68

3.4　最大后验概率估计70

3.5　最小均方误差估计71

3.5.1　最小均方误差估计的一般形式71

3.5.2　线性最小均方误差估计71

3.6　Cramer-Rao下限和Fisher信息矩阵73

3.7　Kalman滤波74

3.7.1　系统模型74

3.7.2　算法流程74

3.7.3　Kalman滤波的优缺点76

3.8　扩展Kalman滤波76

3.8.1　系统模型77

3.8.2　算法流程77

3.8.3　扩展Kalman滤波的优缺点79

3.9 Unscented滤波79

3.9.1 Unscented变换80

3.9.2　Unscented滤波算法流程81

3.9.3　Unscented滤波的优缺点83

3.10　粒子滤波83

3.10.1　蒙特卡罗积分及重要度采样83

3.10.2　粒子滤波84

3.11　结论87

参考文献87

第4章　信息类型与传感器系统89

4.1　信息类型概述89

4.1.1　信息类型Ⅰ89

4.1.2　信息类型Ⅱ90

4.2　传感器系统90

4.2.1　传感器系统概述90

4.2.2　传感系统分类91

4.2.3　人体感觉系统和常用传感器92

4.2.4　传感系统设计相关问题97

4.3　结论98

参考文献98

第5章　同步采样系统的分步式信息融合99

5.1　多传感器系统采样分析99

5.1.1　同步问题99

5.1.2　异步问题99

5.2　传统同步融合算法100

5.2.1　系统描述101

5.2.2　集中式扩维融合101

5.2.3　测量值加权融合102

5.2.4　局部估计值加权融合103

5.2.5　算法性能分析103

5.2.6　小结104

5.3　基于分步式滤波的融合算法105

5.3.1　算法描述105

5.3.2　SSF算法理论推导106

5.3.3　算法精度分析108

5.3.4　SSF与CFA计算量比较108

5.3.5　仿真算例109

5.4　结论113

参考文献113

第6章　异步采样系统的信息融合115

6.1　异步多传感器数据融合概述115

6.2　基于传输短延迟的异步数据融合117

6.3　分步式预测融合算法118

6.3.1　连续系统描述118

6.3.2　连续系统离散化118

6.3.3　系统采样描述119

6.3.4　分步式预测融合算法120

6.3.5　算法分析121

6.3.6　计算机仿真122

6.4　基于匀速增量的异步融合算法124

6.4.1　系统描述124

6.4.2　异步采样描述125

6.4.3　异步采样数据的顺序式融合算法流程126

6.4.4　计算机仿真128

6.4.5　小结133

6.5　基于有理数倍采样的异步融合133

6.5.1　有理数倍采样描述133

6.5.2　离散状态模型134

6.5.3　测量值映射134

6.5.4　预备工作135

6.5.5　AFASRNT异步融合算法流程136

6.5.6　仿真算例137

6.6　基于状态转换的顺序式异步融合算法139

6.6.1　系统描述140

6.6.2　采样过程描述140

6.6.3　基于伪测量值的异步融合算法141

6.6.4　基于状态转换的顺序式异步融合算法142

6.6.5　仿真算例145

6.6.6　算法性能分析149

6.6.7　小结151

6.7　结论151

参考文献152

第7章　多目标跟踪技术154

7.1　引言154

7.2　多目标跟踪的主要问题155

7.2.1　跟踪门的形成与选择156

7.2.2　数据关联与跟踪维持157

7.2.3　跟踪起始和终结158

7.2.4　漏报与虚警158

7.3　经典的数据关联方法158

7.3.1　最近邻法158

7.3.2　概率数据关联159

7.3.3　联合概率数据关联161

7.4　多假设跟踪算法166

7.4.1　多假设跟踪算法概述166

7.4.2　m-最优MHT算法168

7.4.3　改进的m-最优MHT算法173

7.5　其他数据关联方法176

7.5.1　基于图的数据关联方法176

7.5.2　基于生物学的数据关联方法179

7.6　结论180

参考文献180

第8章　机动目标跟踪183

8.1 引言183

8.2　机动目标运动模型184

8.2.1　CV和CA模型184

8.2.2 Singer模型184

8.2.3　半马尔可夫模型185

8.2.4　协同转弯模型185

8.2.5　“当前”统计模型186

8.3　单机动目标跟踪算法186

8.3.1　多模型法186

8.3.2　强机动目标跟踪自适应交互式多模型算法190

8.3.3　三维强机动目标跟踪算法197

8.3.4　三维强机动目标跟踪算法与强跟踪算法比较研究205

8.4　多机动目标跟踪算法208

8.4.1　基于IMMJPDA的多机动目标跟踪算法209

8.4.2 基于IMMMHT的多机动目标跟踪算法216

8.5 改进的IMMMHT算法222

8.5.1　改进的IMMMHT算法222

8.5.2　仿真情景及结构图223

8.5.3　结果分析226

8.6　结论227

参考文献227

第9章　纯方位角定位与跟踪230

9.1　引言230

9.2　单平台最优观测轨迹231

9.2.1　静止目标的最优观测轨迹231

9.2.2　匀速运动目标的最优观测轨迹236

9.2.3　小结238

9.3　纯方位角定位238

9.3.1　伪线性估计239

9.3.2　迭代最小二乘估计240

9.3.3　单步最优观测轨迹下的ILS目标定位241

9.4　单站纯方位角目标跟踪243

9.4.1　系统模型243

9.4.2　纯方位角目标跟踪EKF算法244

9.5　双基站纯方位角目标跟踪245

9.5.1　系统模型246

9.5.2　EKF及UKF算法247

9.6　变周期RP-EKF时延纯方位角目标跟踪249

9.6.1　问题描述250

9.6.2　RP-EKF算法252

9.6.3　模型可变周期的确定254

9.6.4　仿真及结果分析255

9.7　结论256

参考文献257

第10章　随机集理论及其在信息融合中的应用258

10.1　概述258

10.1.1　研究背景259

10.1.2　随机集理论的发展260

10.1.3　相关应用262

10.2　相关方法与有限集合统计学的关系262

10.2.1　随机测度理论和随机集合理论262

10.2.2　专家系统263

10.2.3　“plain-vanilla”贝叶斯方法263

10.2.4　粒子滤波方法263

10.2.5　其他相关方法264

10.3　随机（有限）集的基本思想和理论框架264

10.3.1　状态空间和测量空间的随机集表示265

10.3.2　多目标信任质量函数和密度函数265

10.3.3　集合积分和集合微分266

10.3.4　规范Bayes建模方法267

10.3.5　不确定信息的规范建模270

10.4　随机有限集方法在信息融合中的应用271

10.4.1　信息融合算法的科学评价271

10.4.2　SAR图像的ATR271

10.4.3　群目标跟踪271

10.4.4　传感器管理272

10.5　发展方向和展望273

10.6　结论274

参考文献274

第11章　信息融合技术的应用实例279

11.1　基于多传感器融合理论的过程监控279

11.1.1　过程监控279

11.1.2　基于状态估计的过程监控280

11.1.3　基于信息融合理论的过程监控283

11.1.4　小结289

11.2　海洋监测的信息融合体系289

11.2.1　数据收集层的处理291

11.2.2　低级的数据处理292

11.2.3　高层数据处理295

11.2.4　小结297

11.3　结论298

参考文献298