前言
第一章 导论
1.1 什么是信息融合
1.2 信息融合基础概念
1.2.1 融合单元和融合结构
1.2.2 如何进行信息融合
1.2.3 典型的融合处理过程
1.2.4 典型的融合决策方法
1.2.5 信息融合的层次
1.3 本书内容结构安排
参考文献
第二章 信息融合的数据支持
2.1 数据汇集概述
2.1.1 实体与传感器的表述
2.1.2 数据汇集的基础要求
2.2 传感器系统与管理
2.2.1 传感器和传感器系统概述
2.2.2 传感器管理概述
2.3 数据关联
2.3.1 基本问题
2.3.2 数据关联典型分类
2.3.3 数据关联的处理方法
2.3.4 关联度量方法
2.4 关联数据的特性分析
2.4.1 单元变量的特性分析
2.4.2 多元变量的特性分析
2.5 小结
参考文献
第三章 基于统计的融合决策
3.1 贝叶斯决策
3.1.1 贝叶斯规则
3.1.2 贝叶斯决策的说明举例
3.1.3 用于传感器观测的贝叶斯决策函数
3.1.4 动态估计方法
3.2 基于正则理论的统计决策
3.2.1 基本概念
3.2.2 正则化理论与贝叶斯框架的关系
3.3 动态状态的最优估计
3.3.1 非线性贝叶斯跟踪
3.3.2 最佳滤波
3.4 动态状态的次最佳滤波
3.4.1 EKF
3.4.2 近似网格
3.4.3 UKF
3.4.4 粒子滤波
3.5 小结
参考文献
第四章 基于不精确推理的融合决策
4.1 不确定性概述
4.1.1 不确定性源与表达
4.1.2 不确定性的分类
4.2 关于信息融合的可靠性
4.2.1 信息融合过程中可靠性定义
4.2.2 信息融合过程使用可靠性度量的策略
4.2.3 多个证据的组合
4.4 DS证据理论推理方法
4.4.1 基本方法
4.4.2 基于证据理论的决策基础方法
4.4.3 考虑可靠性的融合规则
4.4.4 冲突证据组合
4.5 模糊推理
……
第五章 智能模型和融合结构
第六章 目标识别概论
第七章 融合增强
第八章 融合检测
第九章 融合分类
第十章 融合跟踪
第十一章 融合重建
第十二章 态势估价概论
结束语