《多源信息融合》是2006年4月清華大學(xué)出版社出版的圖書，作者是韓崇昭、朱洪艷、段戰(zhàn)勝等。《多源信息融合》本書主要包括多源信息融合的基本概念以及多源信息融合理論賴以發(fā)展的基礎(chǔ)理論，如統(tǒng)計推斷與估計理論基礎(chǔ)、智能計算與識別理論基礎(chǔ)等。
內(nèi)容簡介
包括目標(biāo)跟蹤理論、檢測融合、估計融合、數(shù)據(jù)關(guān)聯(lián)、異步信息融合和異類信息融合；也包括圖像融合特別是遙感圖像融合、智能交通中的信息融合，以及態(tài)勢評估與威脅估計等內(nèi)容。本書理論體系完整，材料取舍適當(dāng)，適合從事多源信息融合理論研究和工程應(yīng)用的專業(yè)技術(shù)人員參考，也可以作為相關(guān)專業(yè)大學(xué)本科高年級學(xué)生和研究生，特別是博士研究生的參考讀物。
圖書目錄
第1章 緒論
1.1 多源信息融合的一般概念與定義
1.1.1 定義
1.1.2 多源信息融合的優(yōu)勢
1.1.3 應(yīng)用領(lǐng)域
1.2 信息融合系統(tǒng)的模型和結(jié)構(gòu)
1.2.1 功能模型
1.2.2 數(shù)據(jù)融合的級別
1.2.3 通用處理結(jié)構(gòu)
1.3 多源信息融合的主要技術(shù)和方法
1.4 信息融合要解決的幾個關(guān)鍵問題
1.5 發(fā)展起源、現(xiàn)狀與未來
參考文獻
第2章 統(tǒng)計推斷與估計理論基礎(chǔ)
2.1 點估計理論基礎(chǔ)
2.1.1 一般概念
2.1.2 Bayes點估計理論
2.1.3 藍色估計
2.1.4 WLS估計
2.1.5 ML估計
2.1.6 主成分估計
2.1.7 RLS估計與LMS估計
2.2 期望極大化（EM）方法
2.2.1 概述
2.2.2 EM算法描述
2.2.3 混合Gauss參數(shù)估計的EM算法實例
2.3 線性動態(tài)系統(tǒng)的濾波理論與算法
2.3.1 離散時間線性系統(tǒng)狀態(tài)估計問題的一般描述
2.3.2 基本Kalman濾波器
2.3.3 信息濾波器
2.3.4 噪聲相關(guān)的Kalman濾波器
2.4 非線性動態(tài)系統(tǒng)的濾波理論與算法
2.4.1 擴展Kalman濾波器（EKF）
2.4.2 UKF濾波
2.4.3 Bayes濾波
2.5 基于隨機采樣的過程估計理論與算法
2.5.1 傳統(tǒng)Bayes估計面臨的挑戰(zhàn)與解決的新思路
2.5.2 Monte Carlo仿真的隨機采樣
2.5.3 Markov chain Monte Carlo采樣
2.5.4 粒子濾波的一般方法
2.6 混合系統(tǒng)狀態(tài)估計理論
2.6.1 一般描述
2.6.2 多模型方法簡述
2.6.3 定結(jié)構(gòu)多模型估計
2.6.4 交互式多模型算法
2.6.5 變結(jié)構(gòu)多模型（VSMM）算法概述
2.7 小結(jié)
參考文獻
第3章 智能計算與識別理論基礎(chǔ)
3.1 概述
3.1.1 模式識別的一般概念
3.1.2 智能學(xué)習(xí)與統(tǒng)計模式識別
3.2 粗糙集理論基礎(chǔ)
3.2.1 信息系統(tǒng)的一般概念
3.2.2 決策系統(tǒng)的不可分辨性
3.2.3 集合近似
3.2.4 屬性約簡
3.2.5 粗糙隸屬度
3.3 證據(jù)理論基礎(chǔ)
3.3.1 概述
3.3.2 質(zhì)量函數(shù)、信任測度與似然測度
3.3.3 Dempster?Shafer合成公式
3.3.4 證據(jù)推理
3.4 隨機集理論基礎(chǔ)
3.4.1 一般概念
3.4.2 概率模型
3.4.3 隨機集的mass函數(shù)模型
3.5 統(tǒng)計學(xué)習(xí)理論與支持向量機基礎(chǔ)
3.5.1 統(tǒng)計學(xué)習(xí)理論的一般概念
3.5.2 學(xué)習(xí)機的VC維與風(fēng)險界
3.5.3 線性支持向量機
3.5.4 非線性支持向量機
3.5.5 用于孤立點發(fā)現(xiàn)的One?class SVM算法
3.5.6 最小二乘支持向量機
3.5.7 模糊支持向量機
3.5.8 小波支持向量機
3.5.9 核主成分分析
3.6 Bayes網(wǎng)絡(luò)基礎(chǔ)
3.6.1 Bayes網(wǎng)絡(luò)的一般概念
3.6.2 獨立性假設(shè)
3.6.3 一致性概率
3.6.4 Bayes網(wǎng)絡(luò)推斷
3.7 小結(jié)
參考文獻
第4章 目標(biāo)跟蹤
4.1 基本概念與原理
4.2 跟蹤門
4.2.1 濾波殘差
4.2.2 矩形跟蹤門
4.2.3 橢球跟蹤門
4.2.4 其他跟蹤門
4.3 目標(biāo)動態(tài)模型
4.3.1 機動目標(biāo)跟蹤的數(shù)學(xué)模型
4.3.2 非機動目標(biāo)動態(tài)模型
4.3.3 坐標(biāo)不耦合的目標(biāo)機動模型
4.3.4 二維水平運動模型
4.3.5 三維模型
4.4 量測模型
4.4.1 傳感器坐標(biāo)模型
4.4.2 在各種坐標(biāo)系中的跟蹤
4.4.3 混合坐標(biāo)系的線性化模型
4.4.4 勒內(nèi)·笛卡爾坐標(biāo)系下的模型
4.5 雷達量測轉(zhuǎn)換
4.5.1 二維去偏量測轉(zhuǎn)換
4.5.2 三維去偏量測轉(zhuǎn)換
4.5.3 無偏量測轉(zhuǎn)換
4.5.4 修正的無偏量測轉(zhuǎn)換
4.6 基于雷達量測和藍色準(zhǔn)則的目標(biāo)跟蹤
4.6.1 基于BLUE準(zhǔn)則的二維量測轉(zhuǎn)換
4.6.2 基于BLUE準(zhǔn)則的三維量測轉(zhuǎn)換
4.7 帶Doppler量測的雷達目標(biāo)跟蹤
4.7.1 極坐標(biāo)系中帶Doppler量測的雷達目標(biāo)跟蹤
4.7.2 球坐標(biāo)系中帶Doppler量測的雷達目標(biāo)跟蹤
4.8 時間與空間配準(zhǔn)
4.8.1 問題描述
4.8.2 時間配準(zhǔn)算法
4.8.3 常用坐標(biāo)系
4.8.4 坐標(biāo)轉(zhuǎn)換
4.8.5 空間配準(zhǔn)算法概述
4.8.6 二維空間配準(zhǔn)算法
4.8.7 精確極大似然空間配準(zhǔn)算法
4.8.8 基于地心坐標(biāo)系的空間配準(zhǔn)算法
4.9 小結(jié)
參考文獻
第5章 檢測融合
5.1 概論
5.2 并行結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測融合算法
5.2.1 系統(tǒng)描述
5.2.2 最優(yōu)分布式檢測的必要條件
5.2.3 傳感器觀測獨立條件下的最優(yōu)分布式檢測
5.2.4 實例計算
5.3 串行結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測融合算法
5.3.1 系統(tǒng)描述
5.3.2 傳感器觀測獨立條件下最優(yōu)分布式檢測的必要條件
5.3.3 傳感器觀測獨立條件下的最優(yōu)分布式檢測
5.3.4 實例計算
5.4 樹形結(jié)構(gòu)融合系統(tǒng)的最優(yōu)分布式檢測融合算法
5.4.1 系統(tǒng)描述
5.4.2 結(jié)點觀測獨立條件下最優(yōu)分布式檢測的必要條件
5.4.3 結(jié)點觀測獨立條件下的最優(yōu)分布式檢測
5.4.4 實例計算
5.5 分布式量化檢測系統(tǒng)
5.5.1 系統(tǒng)描述
5.5.2 最優(yōu)分布式量化檢測的必要條件
5.5.3 傳感器觀測獨立條件下的最優(yōu)分布式量化檢測
5.5.4 實例計算
5.6 分布式N?P檢測融合系統(tǒng)
5.6.1 最優(yōu)分布式量化檢測的必要條件
5.6.2 傳感器觀測獨立條件下的最優(yōu)分布式檢測
5.6.3 傳感器觀測相關(guān)條件下的次優(yōu)分布式檢測
5.6.4 分布式硬決策N?P檢測融合系統(tǒng)
5.6.5 實例計算
5.7 小結(jié)
參考文獻
第6章 估計融合
6.1 估計融合系統(tǒng)結(jié)構(gòu)
6.2 集中式融合系統(tǒng)
6.2.1 并行濾波
6.2.2 序貫濾波
6.2.3 數(shù)據(jù)壓縮濾波
6.3 分布式融合系統(tǒng)
6.3.1 分布式融合結(jié)構(gòu)
6.3.2 航跡融合中各傳感器局部估計誤差相關(guān)的原因
6.3.3 簡單凸組合融合算法
6.3.4 Bar Shalom?Campo融合算法
6.3.5 不帶反饋的最優(yōu)分布式估計融合
6.3.6 帶反饋的最優(yōu)分布式估計融合
6.3.7 最大后驗概率狀態(tài)估計融合
6.3.8 最優(yōu)的集中式估計的重構(gòu)
6.4 協(xié)方差交叉法
6.4.1 問題描述
6.4.2 相關(guān)程度已知的相關(guān)估計量最優(yōu)融合
6.4.3 相關(guān)程度未知的相關(guān)估計量最優(yōu)融合
6.5 聯(lián)邦濾波器
6.5.1 問題描述
6.5.2 方差上界技術(shù)
6.5.3 聯(lián)邦濾波器的一般結(jié)構(gòu)
6.5.4 聯(lián)邦濾波器的工作流程
6.5.5 聯(lián)邦濾波器的最優(yōu)性證明
6.5.6 聯(lián)邦濾波器的四種結(jié)構(gòu)
6.5.7 聯(lián)邦濾波器四種結(jié)構(gòu)的比較
6.5.8 聯(lián)邦濾波器的特點
6.5.9 聯(lián)邦濾波器的兩種簡化形式
6.6 最優(yōu)線性估計融合與統(tǒng)一融合規(guī)則
6.6.1 問題描述
6.6.2 統(tǒng)一線性數(shù)據(jù)模型
6.6.3 對于線性數(shù)據(jù)模型的統(tǒng)一最優(yōu)融合規(guī)則
6.6.4 一般的最優(yōu)的線性融合規(guī)則
6.7 小結(jié)
參考文獻
第7章 數(shù)據(jù)關(guān)聯(lián)
……
第8章 異步融合
第9章 圖像融合
第10章 異類融合
第11章 智能交通與信息融合
第12章 態(tài)勢評估和威脅估計
前言
中國古代“瞎子摸象”的故事告知人們，單憑一種感官獲得的感知信息，難以獲得對客觀事物的全面認識。世間萬物在不斷變化，而人類感知和認知事物的能力卻受到許多限制。唐初諫議大夫魏徵曾有一句名言： “兼聽則明，偏聽則暗” ，說的是采納各種不同的意見作決策往往是明智的，而偏信一家之言則難免有失偏頗。人類和動物在獲得客觀對象的感知信息時，不是使用一種感官，而是用各種不同的感官，包括視覺、聽覺、觸覺、嗅覺、味覺等感官獲得不同的感知信息，經(jīng)過大腦處理之后才形成一個完整的認知結(jié)果。同樣，在社會和經(jīng)濟活動中，負責(zé)任的政府和企業(yè)在決策時也要收集大量的情報資料，匯集不同的觀點，才能制定出符合客..
序言
在經(jīng)歷了農(nóng)業(yè)時代和工業(yè)時代之后，人類目前已經(jīng)全面進入了信息時代。信息時代的顯著特征之一是信息爆炸。為了應(yīng)對這種局面，信息融合技術(shù)應(yīng)運而生。簡單地說，信息融合是指對多個載體內(nèi)的信息進行綜合、處理以達到某一目的。信息融合涉及面極為廣泛。舉例來說，歸納可以看作一個信息融合過程，其中一般性結(jié)論即由多個特殊事例經(jīng)過綜合、抽象后得到。因此，歸納推理與信息融合有本質(zhì)聯(lián)系，而歸納推理又是所有科學(xué)技術(shù)的源泉。近年來信息融合在眾多領(lǐng)域內(nèi)受到了極大的關(guān)注，信息融合技術(shù)發(fā)展神速。. 本書由西安交通大學(xué)韓崇昭教授等人編撰，韓教授所領(lǐng)導(dǎo)的科研組的工作在國內(nèi)頗負盛名。我與他相識多年，近年來..
參考資料 >