书籍详情
多源信息融合与应用（第三版）
作者：何友 等
出版社：电子工业出版社
出版时间：2024-12-01
ISBN：9787121504105
定价：¥158.00
购买这本书可以去
内容简介
本书是关于信息融合理论及应用的一部专著，是著者对该领域30多年来研究成果系统的、全面的总结。全书要内容有：信息融合概述、信息融合中的数学基础、信源分类与特性、信息融合系统功能和结构模型、分布式检测融合、目标跟踪融合、统计航迹关联算法、模糊与灰色航迹关联算法、状态估计融合、图像融合、目标识别融合、态势估计、威胁估计、知识融合、信息融合中的传感器管理、信息融合中的数据库技术、信息融合中的性能评估，以及信息融合在民事和军事中的应用。最后是本书的回顾、建议与展望。
作者简介
何友，中国工程院院士，教授，1997年毕业于清华大学，获通信与信息系统博士学位， 曾留学德国。中共“十七大”代表，第十二届全国政协委员，全国优秀教师。曾兼任CAAI/CIE／CAA/CIC/CSF/CICC/IET Fellow，国务院学科评议组成员，国家杰出青年科学基金评审委员会委员，国家自然科学基金委信息学部咨询专家委员会委员，中国人工智能学会副理事长兼智能融合专业委员会主任委员，中国航空学会名誉副理事长兼信息融合分会主任委员，中国指挥与控制学会监事长等。主要研究领域有：信号检测、信息融合、智能技术与应用等。以第一完成人获国家科技进步二等奖4项、国家教学成果一、二等奖各1项，获省部级一等奖11项，授权中国发明专利和软件著作权60余项。获全国百篇优秀博士学位论文，在IEEE会刊等发表重要论文260余篇，出版专著6部，论著他引36000余次，培养博士后、博士、硕士330余人。先后入选国家百千万人才工程，荣获何梁何利基金科学与技术进步奖、“求是”工程奖、全国留学回国人员成就奖、山东省科学技术最高奖等。
目录
目 录
第1章 多源信息融合概述 1
1.1 信息融合的目的和意义 1
1.1.1 信息融合的背景描述 1
1.1.2 信息融合的定义 1
1.1.3 信息融合的性能裨益 2
1.2 信息融合的原理和级别 3
1.2.1 信息融合的基本原理 3
1.2.2 信息融合的级别 3
1.3 信息融合的应用领域 5
1.3.1 信息融合问题分类 5
1.3.2 信息融合在民事上的应用 5
1.3.3 信息融合在军事上的应用 8
1.4 信息融合研究的历史与现状 10
1.4.1 信息融合研究重要节点和事件 10
1.4.2 信息融合主要发展阶段 13
1.4.3 信息融合研究主要学术成果 14
1.5 本书的范围和概貌 16
参考文献 18
第2章 状态估计基础 27
2.1 引言 27
2.2 线性动态系统估计：卡尔曼
滤波器 27
2.2.1 线性动态系统定义 27
2.2.2 卡尔曼滤波器 28
2.2.3 卡尔曼滤波器的推导：从贝叶斯
估计的角度 29
2.2.4 卡尔曼滤波器的初始化 34
2.2.5 卡尔曼滤波器的重要性质 37
2.2.6 卡尔曼滤波器的应用举例 39
2.3 卡尔曼滤波器的其他等价形式 40
2.3.1 信息滤波器 41
2.3.2 序贯滤波器 41
2.3.3 平方根滤波器 43
2.4 卡尔曼滤波器的近似计算形式 45
2.4.1 稳态滤波器 45
2.4.2 运动模型的常增益滤波器 46
2.4.3 常增益滤波器应用举例 50
2.5 非理想条件下的卡尔曼滤波器 51
2.5.1 有色过程噪声的卡尔曼滤波器 51
2.5.2 有色量测噪声的卡尔曼滤波器 51
2.5.3 过程噪声和量测噪声相关的
卡尔曼滤波器 53
2.5.4 量测延迟的卡尔曼滤波器 54
2.6 非线性系统的状态估计 55
2.6.1 扩展卡尔曼滤波器 56
2.6.2 迭代扩展卡尔曼滤波器 60
2.6.3 不敏卡尔曼滤波器 61
2.6.4 粒子滤波器 64
2.6.5 量测转换卡尔曼滤波器 69
2.6.6 线性化滤波的误差补偿技术 72
2.7 小结 73
参考文献 74
第3章 不确定性推理方法 78
3.1 引言 78
3.2 主观Bayes方法 78
3.2.1 知识不确定性的描述 78
3.2.2 证据不确定性的描述 81
3.2.3 多个证据的组合 81
3.2.4 主观Bayes方法的推理过程 82
3.2.5 主观Bayes方法的应用举例 82
3.2.6 主观Bayes方法的优缺点 82
3.3 证据理论 83
3.3.1 DS理论 83
3.3.2 DSm理论 88
3.4 模糊集理论 96
3.4.1 基础模型 96
3.4.2 模糊综合评判 99
3.4.3 模糊集理论的应用举例 101
3.4.4 证据理论向模糊集合的推广 101
3.5 粗糙集理论 103
3.5.1 理论基础 103
3.5.2 在信息融合中的应用 105
3.5.3 粗糙集理论的应用举例 106
3.6 小结 106
参考文献 107
第4章 多源信息融合功能和结构
模型 110
4.1 信息融合的功能模型 110
4.1.1 信息融合的三级功能模型 110
4.1.2 信息融合的四级功能模型 110
4.1.3 信息融合的五级功能模型 111
4.1.4 信息融合的六级功能模型 111
4.1.5 信息融合的七级功能模型 112
4.2 信息融合系统的结构模型 115
4.2.1 检测级融合结构 115
4.2.2 位置级融合结构 116
4.2.3 图像级融合结构 121
4.2.4 识别级融合结构 123
4.3 信息融合典型应用举例 124
4.3.1 机器人 124
4.3.2 入侵检测系统 125
4.3.3 智能制造 125
4.3.4 卫星遥感 126
4.3.5 决策中心战 126
4.4 小结 127
参考文献 127
第5章 分布式检测与融合 131
5.1 引言 131
5.2 融合中心的全局判决规则设计 132
5.2.1 硬判决下的全局判决规则 132
5.2.2 软判决下的全局判决规则 134
5.2.3 带直接观测的全局判决规则 135
5.2.4 异步判决下的全局判决规则 135
5.2.5 对抗式全局判决规则 136
5.3 并行结构下的分布式检测系统
设计 138
5.3.1 局部判决与全局判决规则
的一般解 139
5.3.2 条件相互独立情况下的特殊解 140
5.3.3 条件独立同分布情况下的
特殊解 141
5.3.4 应用举例 142
5.4 串行结构下的分布式检测
系统设计 143
5.4.1 两个传感器的串行结构网络 143
5.4.2 多个传感器的串行结构网络 144
5.4.3 应用举例 145
5.5 带反馈的分布式检测系统设计 148
5.5.1 有融合中心的带反馈分布式
检测系统 148
5.5.2 去中心化的带反馈分布式
检测系统 152
5.6 分布式CFAR检测 153
5.6.1 经典的分布式CFAR检测方法 154
5.6.2 稀疏信号的分布式CFAR检测 157
5.7 本章小结 161
参考文献 162
第6章 集中式多传感器综合跟踪
算法 165
6.1 引言 165
6.2 多传感器联合概率数据关联算法 166
6.2.1 数据关联的概念 166
6.2.2 单传感器联合概率数据关联
算法 166
6.2.3 多传感器联合概率数据关联
算法 174
6.3 多传感器多目标跟踪的广义S-维
分配算法 178
6.3.1 多传感器多目标跟踪的广义3-维
分配算法 179
6.3.2 多传感器多目标跟踪的广义S-维
分配算法 182
6.4 多传感器多假设数据关联算法 188
6.4.1 多假设跟踪算法的基本模型 188
6.4.2 多传感器多假设跟踪算法 190
6.5 多传感器交互多模型跟踪算法 192
6.6 多传感器随机有限集融合跟踪
算法 195
6.6.1 随机有限集基础 195
6.6.2 单传感器带势概率假设密度
滤波器 199
6.6.3 多传感器带势概率假设密度
滤波器 204
6.7 综合跟踪算法性能分析 208
6.7.1 仿真模型 208
6.7.2 仿真结果 210
6.7.3 分析与讨论 213
6.8 小结 215
参考文献 216
第7章 分布式多源信息融合中的航迹
关联算法 219
7.1 引言 219
7.2 序贯航迹关联算法 219
7.2.1 加权航迹关联算法 220
7.2.2 修正航迹关联算法 221
7.2.3 独立序贯航迹关联算法 221
7.2.4 相关序贯航迹关联算法 223
7.2.5 航迹关联质量设计与多义性
处理 223
7.2.6 航迹关联性能度量与算法流程 224
7.2.7 广义经典分配航迹关联算法 224
7.2.8 有限和衰减记忆航迹关联准则 226
7.3 双门限航迹关联算法 227
7.3.1 统计双门限航迹关联算法 228
7.3.2 模糊双门限航迹关联算法 231
7.4 修正的K近邻域航迹关联算法 235
7.4.1 最近邻域航迹关联算法 235
7.4.2 K近邻域航迹关联算法 237
7.4.3 修正的K近邻域航迹关联算法 237
7.5 基于模糊综合的航迹关联算法 241
7.5.1 基于模糊综合函数的航迹
关联算法 241
7.5.2 多因素模糊综合决策航迹
关联算法 244
7.6 多局部节点航迹关联算法 247
7.6.1 多局部节点统计航迹关联算法 247
7.6.2 多局部节点模糊航迹关联算法 251
7.7 航迹关联算法性能分析 254
7.7.1 实验条件 254
7.7.2 两个局部节点实验结果及分析 256
7.7.3 多局部节点实验结果及分析 258
7.7.4 算法综合性能评价 259
7.8 应用举例 263
7.8.1 空管自动化系统 263
7.8.2 岸基雷达网综合监控系统 265
7.9 小结 266
参考文献 267
第8章 多源信息融合中的状态估计 271
8.1 引言 271
8.2 状态估计中的数学模型 271
8.3 集中式信息融合中的状态估计 272
8.3.1 扩维滤波 272
8.3.2 序贯滤波 273
8.3.3 数据压缩滤波 274
8.3.4 应用举例 275
8.4 分布式信息融合中的状态估计 276
8.4.1 简单凸组合融合估计 277
8.4.2 最大似然概率融合估计 278
8.4.3 信息去相关融合估计 281
8.4.4 协方差交叉融合估计 284
8.4.5 应用举例 287
8.5 多级式信息融合中的状态估计 289
8.5.1 集?分式多级式系统中的
状态估计 289
8.5.2 分?分式多级式系统中的
状态估计 291
8.6 混合式信息融合中的状态估计 293
8.6.1 两层混合式融合结构 293
8.6.2 三层混合式融合结构 295
8.6.3 应用举例 296
8.7 带反馈信息的融合估计 298
8.7.1 带反馈信息的分布式
融合估计 298
8.7.2 带反馈信息的多级式
融合估计 300
8.8 小结 302
参考文献 303
第9章 异类传感器的数据融合 308
9.1 引言 308
9.2 基于最近邻的异类传感器
航迹关联 309
9.2.1 问题描述 309
9.2.2 基于角度量测的异类传感器
航迹关联 310
9.2.3 性能分析 310
9.3 基于统计理论的异类传感器
航迹关联 312
9.3.1 航迹关联判别函数 312
9.3.2 关联判决规则 312
9.3.3 航迹关联决策门限的确定 313
9.4 基于模糊综合分析的异类传感器
航迹关联 317
9.4.1 基于模糊综合分析的关联
判别函数 317
9.4.2 关联决策规则 318
9.4.3 关联决策门限的确定 319
9.4.4 实际应用举例 321
9.5 基于动态信息的异类传感器
航迹抗差关联 323
9.5.1 目标动态信息估计与系统
偏差的影响 323
9.5.2 基于分级聚类的航迹抗差
关联方法 326
9.5.3 基于CPD的航迹抗差
关联方法 327
9.5.4 实际应用举例 329
9.6 基于最优数据压缩的异类
传感器融合跟踪 330
9.6.1 最优数据压缩 330
9.6.2 融合跟踪 332
9.6.3 实际应用举例 334
9.7 基于MSPDAF的异类传感器
融合跟踪 334
9.8 基于IMM-MSPDAF的异类
传感器融合跟踪 338
9.8.1 方法描述 338
9.8.2 实际应用举例 343
9.9 小结 344
参考文献 345
第10章 图像融合 348
10.1 引言 348
10.2 图像融合基础 350
第1章 多源信息融合概述 1
1.1 信息融合的目的和意义 1
1.1.1 信息融合的背景描述 1
1.1.2 信息融合的定义 1
1.1.3 信息融合的性能裨益 2
1.2 信息融合的原理和级别 3
1.2.1 信息融合的基本原理 3
1.2.2 信息融合的级别 3
1.3 信息融合的应用领域 5
1.3.1 信息融合问题分类 5
1.3.2 信息融合在民事上的应用 5
1.3.3 信息融合在军事上的应用 8
1.4 信息融合研究的历史与现状 10
1.4.1 信息融合研究重要节点和事件 10
1.4.2 信息融合主要发展阶段 13
1.4.3 信息融合研究主要学术成果 14
1.5 本书的范围和概貌 16
参考文献 18
第2章 状态估计基础 27
2.1 引言 27
2.2 线性动态系统估计：卡尔曼
滤波器 27
2.2.1 线性动态系统定义 27
2.2.2 卡尔曼滤波器 28
2.2.3 卡尔曼滤波器的推导：从贝叶斯
估计的角度 29
2.2.4 卡尔曼滤波器的初始化 34
2.2.5 卡尔曼滤波器的重要性质 37
2.2.6 卡尔曼滤波器的应用举例 39
2.3 卡尔曼滤波器的其他等价形式 40
2.3.1 信息滤波器 41
2.3.2 序贯滤波器 41
2.3.3 平方根滤波器 43
2.4 卡尔曼滤波器的近似计算形式 45
2.4.1 稳态滤波器 45
2.4.2 运动模型的常增益滤波器 46
2.4.3 常增益滤波器应用举例 50
2.5 非理想条件下的卡尔曼滤波器 51
2.5.1 有色过程噪声的卡尔曼滤波器 51
2.5.2 有色量测噪声的卡尔曼滤波器 51
2.5.3 过程噪声和量测噪声相关的
卡尔曼滤波器 53
2.5.4 量测延迟的卡尔曼滤波器 54
2.6 非线性系统的状态估计 55
2.6.1 扩展卡尔曼滤波器 56
2.6.2 迭代扩展卡尔曼滤波器 60
2.6.3 不敏卡尔曼滤波器 61
2.6.4 粒子滤波器 64
2.6.5 量测转换卡尔曼滤波器 69
2.6.6 线性化滤波的误差补偿技术 72
2.7 小结 73
参考文献 74
第3章 不确定性推理方法 78
3.1 引言 78
3.2 主观Bayes方法 78
3.2.1 知识不确定性的描述 78
3.2.2 证据不确定性的描述 81
3.2.3 多个证据的组合 81
3.2.4 主观Bayes方法的推理过程 82
3.2.5 主观Bayes方法的应用举例 82
3.2.6 主观Bayes方法的优缺点 82
3.3 证据理论 83
3.3.1 DS理论 83
3.3.2 DSm理论 88
3.4 模糊集理论 96
3.4.1 基础模型 96
3.4.2 模糊综合评判 99
3.4.3 模糊集理论的应用举例 101
3.4.4 证据理论向模糊集合的推广 101
3.5 粗糙集理论 103
3.5.1 理论基础 103
3.5.2 在信息融合中的应用 105
3.5.3 粗糙集理论的应用举例 106
3.6 小结 106
参考文献 107
第4章 多源信息融合功能和结构
模型 110
4.1 信息融合的功能模型 110
4.1.1 信息融合的三级功能模型 110
4.1.2 信息融合的四级功能模型 110
4.1.3 信息融合的五级功能模型 111
4.1.4 信息融合的六级功能模型 111
4.1.5 信息融合的七级功能模型 112
4.2 信息融合系统的结构模型 115
4.2.1 检测级融合结构 115
4.2.2 位置级融合结构 116
4.2.3 图像级融合结构 121
4.2.4 识别级融合结构 123
4.3 信息融合典型应用举例 124
4.3.1 机器人 124
4.3.2 入侵检测系统 125
4.3.3 智能制造 125
4.3.4 卫星遥感 126
4.3.5 决策中心战 126
4.4 小结 127
参考文献 127
第5章 分布式检测与融合 131
5.1 引言 131
5.2 融合中心的全局判决规则设计 132
5.2.1 硬判决下的全局判决规则 132
5.2.2 软判决下的全局判决规则 134
5.2.3 带直接观测的全局判决规则 135
5.2.4 异步判决下的全局判决规则 135
5.2.5 对抗式全局判决规则 136
5.3 并行结构下的分布式检测系统
设计 138
5.3.1 局部判决与全局判决规则
的一般解 139
5.3.2 条件相互独立情况下的特殊解 140
5.3.3 条件独立同分布情况下的
特殊解 141
5.3.4 应用举例 142
5.4 串行结构下的分布式检测
系统设计 143
5.4.1 两个传感器的串行结构网络 143
5.4.2 多个传感器的串行结构网络 144
5.4.3 应用举例 145
5.5 带反馈的分布式检测系统设计 148
5.5.1 有融合中心的带反馈分布式
检测系统 148
5.5.2 去中心化的带反馈分布式
检测系统 152
5.6 分布式CFAR检测 153
5.6.1 经典的分布式CFAR检测方法 154
5.6.2 稀疏信号的分布式CFAR检测 157
5.7 本章小结 161
参考文献 162
第6章 集中式多传感器综合跟踪
算法 165
6.1 引言 165
6.2 多传感器联合概率数据关联算法 166
6.2.1 数据关联的概念 166
6.2.2 单传感器联合概率数据关联
算法 166
6.2.3 多传感器联合概率数据关联
算法 174
6.3 多传感器多目标跟踪的广义S-维
分配算法 178
6.3.1 多传感器多目标跟踪的广义3-维
分配算法 179
6.3.2 多传感器多目标跟踪的广义S-维
分配算法 182
6.4 多传感器多假设数据关联算法 188
6.4.1 多假设跟踪算法的基本模型 188
6.4.2 多传感器多假设跟踪算法 190
6.5 多传感器交互多模型跟踪算法 192
6.6 多传感器随机有限集融合跟踪
算法 195
6.6.1 随机有限集基础 195
6.6.2 单传感器带势概率假设密度
滤波器 199
6.6.3 多传感器带势概率假设密度
滤波器 204
6.7 综合跟踪算法性能分析 208
6.7.1 仿真模型 208
6.7.2 仿真结果 210
6.7.3 分析与讨论 213
6.8 小结 215
参考文献 216
第7章 分布式多源信息融合中的航迹
关联算法 219
7.1 引言 219
7.2 序贯航迹关联算法 219
7.2.1 加权航迹关联算法 220
7.2.2 修正航迹关联算法 221
7.2.3 独立序贯航迹关联算法 221
7.2.4 相关序贯航迹关联算法 223
7.2.5 航迹关联质量设计与多义性
处理 223
7.2.6 航迹关联性能度量与算法流程 224
7.2.7 广义经典分配航迹关联算法 224
7.2.8 有限和衰减记忆航迹关联准则 226
7.3 双门限航迹关联算法 227
7.3.1 统计双门限航迹关联算法 228
7.3.2 模糊双门限航迹关联算法 231
7.4 修正的K近邻域航迹关联算法 235
7.4.1 最近邻域航迹关联算法 235
7.4.2 K近邻域航迹关联算法 237
7.4.3 修正的K近邻域航迹关联算法 237
7.5 基于模糊综合的航迹关联算法 241
7.5.1 基于模糊综合函数的航迹
关联算法 241
7.5.2 多因素模糊综合决策航迹
关联算法 244
7.6 多局部节点航迹关联算法 247
7.6.1 多局部节点统计航迹关联算法 247
7.6.2 多局部节点模糊航迹关联算法 251
7.7 航迹关联算法性能分析 254
7.7.1 实验条件 254
7.7.2 两个局部节点实验结果及分析 256
7.7.3 多局部节点实验结果及分析 258
7.7.4 算法综合性能评价 259
7.8 应用举例 263
7.8.1 空管自动化系统 263
7.8.2 岸基雷达网综合监控系统 265
7.9 小结 266
参考文献 267
第8章 多源信息融合中的状态估计 271
8.1 引言 271
8.2 状态估计中的数学模型 271
8.3 集中式信息融合中的状态估计 272
8.3.1 扩维滤波 272
8.3.2 序贯滤波 273
8.3.3 数据压缩滤波 274
8.3.4 应用举例 275
8.4 分布式信息融合中的状态估计 276
8.4.1 简单凸组合融合估计 277
8.4.2 最大似然概率融合估计 278
8.4.3 信息去相关融合估计 281
8.4.4 协方差交叉融合估计 284
8.4.5 应用举例 287
8.5 多级式信息融合中的状态估计 289
8.5.1 集?分式多级式系统中的
状态估计 289
8.5.2 分?分式多级式系统中的
状态估计 291
8.6 混合式信息融合中的状态估计 293
8.6.1 两层混合式融合结构 293
8.6.2 三层混合式融合结构 295
8.6.3 应用举例 296
8.7 带反馈信息的融合估计 298
8.7.1 带反馈信息的分布式
融合估计 298
8.7.2 带反馈信息的多级式
融合估计 300
8.8 小结 302
参考文献 303
第9章 异类传感器的数据融合 308
9.1 引言 308
9.2 基于最近邻的异类传感器
航迹关联 309
9.2.1 问题描述 309
9.2.2 基于角度量测的异类传感器
航迹关联 310
9.2.3 性能分析 310
9.3 基于统计理论的异类传感器
航迹关联 312
9.3.1 航迹关联判别函数 312
9.3.2 关联判决规则 312
9.3.3 航迹关联决策门限的确定 313
9.4 基于模糊综合分析的异类传感器
航迹关联 317
9.4.1 基于模糊综合分析的关联
判别函数 317
9.4.2 关联决策规则 318
9.4.3 关联决策门限的确定 319
9.4.4 实际应用举例 321
9.5 基于动态信息的异类传感器
航迹抗差关联 323
9.5.1 目标动态信息估计与系统
偏差的影响 323
9.5.2 基于分级聚类的航迹抗差
关联方法 326
9.5.3 基于CPD的航迹抗差
关联方法 327
9.5.4 实际应用举例 329
9.6 基于最优数据压缩的异类
传感器融合跟踪 330
9.6.1 最优数据压缩 330
9.6.2 融合跟踪 332
9.6.3 实际应用举例 334
9.7 基于MSPDAF的异类传感器
融合跟踪 334
9.8 基于IMM-MSPDAF的异类
传感器融合跟踪 338
9.8.1 方法描述 338
9.8.2 实际应用举例 343
9.9 小结 344
参考文献 345
第10章 图像融合 348
10.1 引言 348
10.2 图像融合基础 350
猜您喜欢
