數據融合理論與應用

第一章 概論
*1.1 數據融合的目的和應用
1.2 數據融合的理論基礎
1.2.1 數據融合的一般處理模型
1.2.2 數據融合的概念與結構分類
1.3 數據融合的實現技術
1.3.1 目標跟蹤
1.3.2 目標識別
1.3.3 態(tài)勢評估和威脅估計(STA）
1.4 數據融合的研究現狀和如何推動我國數據融合研究的進展
1.4.1 理論研究應著眼未來、強調創(chuàng)新
1.4.2 技術研究應面向世界、追求突破
1.4.3 人才培養(yǎng)應面向教育
1.4.4 加強學術交流，全方位協(xié)調發(fā)展
補記
參考文獻
第二章 多傳感器目標檢測的基本理論
2.1 問題描述
2.2 貝葉斯方法
2.3 Neyman??Pearson方法
2.4 系統(tǒng)檢測率和系統(tǒng)虛警率
2.5 同類傳感器情形下的討論
補記
參考文獻
第三章 多傳感器目標檢測的性能評估
3.1 傳感器檢測的基本特性
3.2 傳感器檢測性能分析
3.3 傳感器的檢測性能評估
補記
參考文獻
第四章 目標跟蹤與數據關聯概論
4.1 多目標跟蹤的基本思想
4.2 數據關聯的概念與方法
4.2.1 “最近鄰”方法
4.2.2 “全鄰”最優(yōu)濾波器
4.2.3 概率數據關聯濾波器
4.2.4 多模型方法
4.2.5 相互作用多模型—概率數據關聯濾波器
4.2.6 聯合概率數據關聯濾波器
4.2.7 多假設方法
4.2.8 航跡分裂方法
4.2.9 分布式多傳感器多目標跟蹤與數據關聯的一般理論
4.2.10 基于神經網絡的多目標數據關聯方法
補記
參考文獻
第五章 相互作用多模型—概率數據關聯算法
5.1 概率數據關聯濾波器
5.1.1 預備知識
5.1.2 概率數據關聯濾波器的基本思想
5.1.3 關聯概率βi(k）的計算
5.1.4 協(xié)方差P(k|k）的計算
5.2 多模型算法(Multiple ModelApproach）
5.3 相互作用多模型—概率數據關聯算法
5.4 多傳感器相互作用多模型—概率數據關聯算法
5.4.1 多傳感器概率數據關聯濾波器
5.4.2 多傳感器多模型—概率數據關聯濾波器
* 5.5 目標運動模型(TargetMotionModels）
5.5.1 基本理論
5.5.2 幾個典型的目標運動模型
補記
參考文獻
第六章 聯合概率數據關聯和多假設濾波器
6.1 聯合概率數據關聯算法
6.1.1 聯合概率數據關聯算法的基本思想
6.1.2 聯合事件的概率計算
6.1.3 協(xié)方差計算
6.1.4 n=1時JPDA和PDA等價性證明
6.2 多假設濾波器
6.2.1 假設的產生和假設樹的形成
6.2.2 假設估計
6.2.3 假設管理
補記
參考文獻
第七章 多傳感器多目標跟蹤的一般理論
7.1 分布式多傳感器多目標跟蹤的基本思想與功能結構
7.2 單目標分布式跟蹤
7.2.1 中心估計
7.2.2 分布式估計
7.3 多假設多目標跟蹤
7.3.1 航跡和假設
7.3.2 遞歸假設估計
7.3.3 成批假設估計
7.4 分布式多目標跟蹤
7.4.1 等級多目標跟蹤
7.4.2 分布式多目標跟蹤
補記
參考文獻
第八章 多目標跟蹤系統(tǒng)的性能評估
8.1 航跡分類
8.2 跟蹤評估指標
8.3 混合評價指標的設計
8.4 一般評價模型
補記
參考文獻
第九章 身份識別
9.1 基于Bayes統(tǒng)計理論的身份識別
9.1.1 古典概率理論及其在身份識別中的應用
9.1.2 基于Bayes統(tǒng)計理論的身份識別
9.2 基于DempsterShafer證據理論的身份識別
9.2.1 基本理論
9.2.2 單傳感器多測量周期可信度分配的融合
9.2.3 多傳感器多測量周期可信度分配的融合
9.3 面向對象的數據融合算法及其神經網絡實現［7］
9.3.1 分類和跟蹤處理模型
9.3.2 數據融合算法
9.3.3 融合算法的神經網絡實現
補記
參考文獻
第十章 態(tài)勢評估和威脅估計的基本理論
10.1 指揮、控制和通信系統(tǒng)的基礎理論
10.1.1 蘭切斯特(Lanchester）戰(zhàn)斗模型
*10.1.2 指揮、控制和通信模型
10.2 軍事問題的一般求解模型
10.2.1 狀態(tài)轉移模型
10.2.2 SHOR模型
補記
參考文獻
第十一章 條件事件代數理論
11.1 問題提出
11.1.1 邏輯與概率表示不相容
11.1.2 Simpson悖論［5，6］
11.2 條件事件代數的定義及其性質
11.2.1 布爾代數
11.2.2 Lewis定理
11.2.3 GNW(Goodman Nguyen Walker）條件事件代數
11.2.4 條件事件代數的運算性質
補記
參考文獻
第十二章 規(guī)劃識別理論及其應用
12.1 基本概念
12.1.1 規(guī)劃識別理論概述
12.1.2 規(guī)劃識別與規(guī)劃(Planning）
12.1.3 規(guī)劃識別與態(tài)勢評估
12.2 真實環(huán)境下的規(guī)劃識別的要求
12.2.1 真實環(huán)境的特點
12.2.2 動態(tài)性問題
12.3 鎖孔式規(guī)劃識別的研究
12.3.1 規(guī)劃識別模型
12.3.2 規(guī)劃識別中認知屬性的分析
12.3.3 真實環(huán)境下規(guī)劃識別邏輯完備性分析
12.3.4 真實環(huán)境下的規(guī)劃識別過程模型
12.3.5 FIND過程的研究與設計
12.3.6 監(jiān)測過程的策略
12.4 預測式規(guī)劃識別的理論研究與實現
12.4.1 預測式規(guī)劃識別與態(tài)勢評估
12.4.2 Bayes概率理論和D-S推理
12.4.3 Bayes因果網絡
12.4.4 預測與Bayes因果網絡
12.5 真實環(huán)境下的規(guī)劃識別模型及其性能分析
12.5.1 綜合模型
12.5.2 綜合模型性能分析
補記
參考文獻