多传感器信息融合估计理论及其在智能制造中的应用

　　本书包含国家自然科学基金项目（61673002）的部分研究成果，以多传感器信息融合系统为主要介绍对象，内容包含多传感器信息融合估计理论基础、参数不确定系统中的状态融合方法，以及非标准及测量噪声相关的多传感器系统优融合估计及状态融合估计理论在成纸定量估计、移动机器人位姿计算中的应用。 本书可供自动化、电子信息、计算机应用、控制科学与工程、信号处理、机械制造等相关专业师生以及相关领域的工程技术人员和研究人员参考。

　　金学波，北京工商大学计算机与信息工程学院教授、硕士生导师，浙江大学博士。主要从事多源数据融合研究及应用开发，曾主持与参加国家自然科学基金项目、北京市教委重点研究项目、浙江省自然科学基金项目、浙江省科技厅项目、百度开放研究项目等二十多个项目的研究与开发，入选2013—2015年度北京市属高等学校青年拔尖人才培育资助计划。在多源数据融合与信号处理方面有着深厚的理论基础和应用开发能力，熟练掌握融合估计、人工智能等算法研究及开发技术。已发表SCI、EI检索高质量论文五十余篇，取得二十项国家软件著作权登记，已授权五项国家发明专利、受理八项国家发明专利。苏婷立，北京工商大学计算机与信息工程学院讲师，北京理工大学博士。主要从事状态估计、多传感器数据融合、系统辨识等方面的算法研究及系统开发。参与国家自然科学基金项目、科技部重大专项、北京市自然科学基金项目、北京市教委科研项目等多项研究项目。与英国布里斯托大学、布鲁奈尔大学、伦敦皇后玛丽大学、克兰菲尔德大学等院校的教授、学者均建立了深入的合作关系。在传感器数据分析与处理、参数在线辨识、系统模型识别等方面有着丰富的研究经验。已发表多篇SCI、EI检索的高水平论文，合著出版英文专著一部，取得多项国家软件著作权登记，受理多项国家发明专利。

目录
第1章绪论（1）
1.1引言（1）
1.2信息融合系统结构（2）
1.3信息融合技术的基本理论（3）
1.3.1信息融合的基本数学方法（3）
1.3.2信号级融合（4）
1.3.3特征级融合（6）
1.3.4决策级融合（7）
1.3.5信息融合系统中的传感器管理（7）
1.4信息融合技术的应用（8）
1.4.1军事领域（8）
1.4.2民用、工业及经济领域（8）
1.4.3机器人及智能交通（8）
1.4.4防火（9）
1.4.5地球科学（9）
1.4.6疾病诊断（9）
1.4.7其他（10）
1.5研究现状（10）
1.5.1检测级融合（10）
1.5.2数据互联（12）
1.5.3状态融合估计（14）
1.5.4特征级融合及决策级融合（16）
1.5.5传感器管理（17）
第2章多传感器信息融合估计理论基础（19）
2.1引言（19）
2.2融合估计算法（20）
2.2.1测量数据融合算法（22）
2.2.2两种测量数据融合方法的性能分析（23）
2.2.3tracktotrack融合估计算法（31）
2.2.4分布式最优融合估计算法（34）
多传感器信息融合估计理论及其在智能制造中的应用目录2.3分布式不相关优化融合估计（36）
2.3.1估计协方差Pij的消除（37）
2.3.2分布式不相关优化融合估计算法基本形式及其性能（39）
2.3.3稳态分布式不相关优化融合估计（41）
2.3.4仿真实验（41）
2.3.5本节小结（44）
2.4最优融合估计的方差性能研究（45）
2.4.1方差性能函数的定义（45）
2.4.2方差性能函数与融合估计方差的关系（45）
2.4.3讨论（47）
2.4.4仿真实验（48）
2.4.5本节小结（50）
第3章参数不确定多传感器系统的融合估计（51）
3.1引言（51）
3.2参数不确定多传感器信息融合系统模型（52）
3.2.1范数有界不确定模型（52）
3.2.2多胞型不确定模型（53）
3.3集中式鲁棒H∞融合估计（54）
3.3.1问题描述（54）
3.3.2基于范数有界不确定描述模型的集中式融合估计（54）
3.3.3基于多胞型不确定描述模型的集中式融合估计（60）
3.3.4仿真实验与性能分析（63）
3.4分布式鲁棒H∞融合估计（68）
3.4.1问题描述（68）
3.4.2分布式鲁棒H∞融合估计方法（68）
3.4.3仿真实验（70）
3.5本章小结（73）
第4章非标准多传感器系统的最优融合估计（74）
4.1引言（74）
4.2系统模型（74）
4.3单传感器状态估计（75）
4.4最优融合估计（76）
4.4.1集中式融合估计算法（76）
4.4.2分布式融合估计算法（77）
4.5多级式最优融合估计（77）
4.5.1多级式多传感器系统模型（77）
4.5.2集集式融合估计算法（78）
4.5.3分分式融合估计算法（79）
4.5.4集分式融合估计算法（80）
4.6本章小结（80）
第5章测量噪声相关的多传感器系统融合估计（81）
5.1引言（81）
5.2系统模型（81）
5.3最优融合估计方法（82）
5.3.1相关测量噪声方差矩阵的解耦（82）
5.3.2集中式融合估计算法（84）
5.3.3分布式融合估计算法（84）
5.3.4仿真实验（86）
5.4PeiRadman融合估计方法（86）
5.4.1PeiRadman多传感器信息融合系统的定义（86）
5.4.2PeiRadman融合估计算法（87）
5.4.3仿真实验（90）
5.5鲁棒H∞分解合并融合估计算法（92）
5.5.1系统模型变换及分解合并估计原理（92）
5.5.2鲁棒H∞分解合并融合估计算法（93）
5.5.3仿真实验（95）
5.6本章小结（98）
第6章状态融合估计理论在成纸定量估计中的应用（100）
6.1引言（100）
6.2系统正常工作时的状态估计（101）
6.3测量传感器出现故障时的状态估计（102）
6.4测量传感器噪声相关时的状态估计（105）
6.5本章小结（106）
第7章基于多源信息融合的运动姿态估计（107）
7.1引言（107）
7.2基于自适应参数机动目标模型的Kalman滤波（107）
7.2.1机动目标模型（107）
7.2.2自适应参数机动目标模型估计方法（108）
7.3基于四元数的捷联式惯性导航姿态解算（113）
7.3.1四元数与捷联式惯性导航姿态矩阵（113）
7.3.2导航参数的计算（116）
7.3.3初始条件的给定与初始数据的计算（119）
7.3.4本节小结（120）
7.4基于IMU的姿态估计的应用（121）
7.4.1系统概要（121）
7.4.2通过IMU识别手指姿势（122）
7.4.3阈值分析（127）
7.4.4控制NAO类人形机器人（128）
7.4.5本节小结（132）
7.5本章小结（132）
第8章融合RFID与IMU信息的移动机器人室内轨迹估计（133）
8.1引言（133）
8.2基于RFID的移动轨迹估计（133）
8.2.1轨迹估计方法流程图（133）
8.2.2UKF算法（135）
8.2.3基于可变数量RFID阅读器的UKF轨迹估计方法（137）
8.2.4仿真实验结果（140）
8.2.5本节小结（142）
8.3基于IMU的移动轨迹估计（142）
8.3.1基于IMU测量数据的航位推算（142）
8.3.2仿真实验结果及误差分析（144）
8.3.3本节小结（146）
8.4基于融合机制的信息互补（146）
8.4.1基于多传感器数据融合的轨迹估计算法流程（146）
8.4.2基于多传感器信息融合轨迹估计方法的仿真研究（148）
8.4.3基于多传感器信息融合轨迹估计方法的实验研究（152）
8.4.4本节小结（160）
8.5本章小结（161）
参考文献（162）