多源數(shù)據(jù)融合和傳感器管理基本信息

書????名 多源數(shù)據(jù)融合和傳感器都管理 作????者 羅俊海、王章靜
出版社 清華大學出版社 出版時間 2015年09月01日
定????價 59 元 ISBN 9787302390183

第一部分研究現(xiàn)狀

第1章多源數(shù)據(jù)融合概述

1.1多傳感器數(shù)據(jù)融合定義

1.2多傳感數(shù)據(jù)融合面臨的問題

習題

第2章信息融合的原理和級別

2.1信息融合的基本原理

2.2信息融合的級別

2.2.1信源

2.2.2信源預處理

2.2.3檢測級融合

2.2.4位置級融合

2.2.5目標識別融合

2.2.6態(tài)勢估計

2.2.7威脅估計

2.2.8精細處理

2.2.9數(shù)據(jù)庫處理

習題

第3章多傳感器數(shù)據(jù)融合算法

3.1有缺陷的數(shù)據(jù)融合

3.1.1概率融合

3.1.2證據(jù)置信度推理

3.1.3融合和模糊推理

3.1.4可能性融合

3.1.5基于粗糙集融合

3.1.6混合融合方法

3.1.7隨機集理論融合

3.2相關數(shù)據(jù)的融合

3.2.1消除數(shù)據(jù)關聯(lián)性

3.2.2數(shù)據(jù)融合中存在未知的相關性

3.2.3不一致數(shù)據(jù)融合

3.2.4虛假數(shù)據(jù)

3.2.5脫離序列數(shù)據(jù)

3.2.6沖突數(shù)據(jù)

3.3融合異質數(shù)據(jù)

習題

第4章多傳感分布檢測

4.1NeymanPearson公式

4.1.1并行拓撲結構

4.1.2串行拓撲結構

4.2Bayes公式

4.2.1并行結構

4.2.2串行拓撲結構

4.2.3更一般的網(wǎng)絡拓撲結構

習題

第5章傳感器管理

5.1傳感器管理的定義

5.2數(shù)據(jù)融合系統(tǒng)中的傳感器管理

5.3傳感器管理的內容

5.4傳感器管理的結構

習題

第6章數(shù)據(jù)融合的現(xiàn)狀和趨勢

6.1新興融合模式

6.1.1軟/硬數(shù)據(jù)融合

6.1.2機會數(shù)據(jù)融合

6.1.3自適應融合和研究

6.2正在進行的數(shù)據(jù)融合研究

6.2.1自動融合

6.2.2置信度可靠性

6.2.3安全融合

6.2.4融合評估

習題

第二部分數(shù)學理論基礎

第7章Bayes方法

7.1Bayes方法的發(fā)展

7.2Bayes定理

7.2.1條件概率

7.2.2概率乘法規(guī)則

7.2.3全概率公式

7.2.4Bayes概率

7.3多源數(shù)據(jù)融合中的Bayes方法

7.4Bayes方法的優(yōu)缺點

習題

第8章模糊集理論

8.1模糊數(shù)學概念

8.1.1經典集合相關定義與基本概念

8.1.2經典集合之間的關系與運算

8.2模糊集集合

8.2.1基本模糊集運算

8.2.2模糊集的基本定理

8.3模糊聚類分析

8.3.1聚類分析的數(shù)學模型

8.3.2模糊關系

8.3.3模糊關系的定義

8.4模糊型識別

8.4.1第一類模糊模型識別

8.4.2第二類模糊模型識別

8.5模糊決策

8.5.1模糊意見集中決策

8.5.2模糊二元對比決策

8.6模糊綜合評判決策

8.6.1經典綜合評判決策

8.6.2模糊映射與模糊變換

習題

第9章粗糙集理論

9.1知識與知識系統(tǒng)

9.2粗糙集與不精確范疇

9.3知識約簡與知識依賴

9.4知識表達系統(tǒng)

9.5粗糙集理論在信息融合中的應用

習題

第10章MonteCarlo理論

10.1MonteCarlo基本理論

10.1.1概述

10.1.2MonteCarlo方法

10.2MarkovChainMonteCarlo算法

10.2.1Markov鏈概念

10.2.2Markov過程的分類

10.2.3齊次Markov鏈

10.2.4隱式Markov模型

10.2.5隱式半Markov模型

10.2.6MetropolisHastings算法

10.2.7Gibbs抽樣

習題

第11章DempsterShafer證據(jù)理論

11.1DempsterShafer理論基本概念

11.2DempsterShafer組合規(guī)則

11.3DempsterShafer組合規(guī)則的相關改進

11.4DempsterShafer理論的推廣

11.4.1廣義DempsterShafer理論簡介

11.4.2條件化DempsterShafer理論

11.4.3DempsterShafer理論在模糊集合上的推廣

習題

第12章估計理論

12.1估計理論基礎

12.1.1一般概念

12.1.2Bayes點估計理論

12.1.3加權最小二乘法估計

12.1.4極大似然估計與極大后驗估計

12.1.5主成分估計

12.1.6遞推最小二乘法估計與最小均方估計

12.1.7最佳線性無偏最小方差估計

12.2混合系統(tǒng)多模型估計

12.2.1多模型估計概念

12.2.2定結構多模型估計

12.2.3交互式多模型算法

12.2.4變結構多模型算法

12.3期望最大化方法

12.3.1EM方法描述

12.3.2混合Gauss參數(shù)估計的EM算法

習題

第13章濾波器理論

13.1基本概念

13.1.1離散時間線性系統(tǒng)模型

13.1.2連續(xù)時間線性系統(tǒng)的離散化

13.2Kalman濾波器

13.2.1基本Kalman濾波器

13.2.2信息濾波器

13.2.3最優(yōu)Bayes濾波器

13.2.4擴展Kalman濾波器

13.2.5迭代擴展Kalman濾波

13.2.6強跟蹤濾波器

13.2.7無跡Kalman濾波

13.2.8中心差分Kalman濾波器

13.3粒子濾波器

13.3.1粒子濾波方法

13.3.2基本粒子濾波算法

13.3.3輔助粒子濾波

13.3.4正則粒子濾波

習題

第三部分多源數(shù)據(jù)融合算法

第14章Bayes決策

14.1簡介

14.2基于最小錯誤率的Bayes決策

14.2.1兩類情況

14.2.2多類情況

14.3基于最小風險的Bayes決策

14.3.1條件期望風險

14.3.2期望風險

14.3.3最小風險Bayes決策規(guī)則

14.3.4最小風險Bayes決策的步驟

14.3.5最小錯誤率與最小風險的Bayes決策規(guī)則的聯(lián)系

習題

第15章正態(tài)分布時的統(tǒng)計決策

15.1單變量正態(tài)分布

15.2多元正態(tài)分布

15.3多元正態(tài)分布情況下的Bayes分類方法

習題

第16章最大最小決策

習題

第17章神經網(wǎng)絡

17.1神經網(wǎng)絡的概述

17.2人工神經網(wǎng)絡

17.3BP神經網(wǎng)絡

17.4神經網(wǎng)絡的發(fā)展趨勢及前沿問題

習題

第18章支持向量機

18.1線性支持向量機基礎

18.1.1支持向量機標準形式

18.1.2最優(yōu)超平面

18.1.3核函數(shù)

18.1.4支持向量機算法

18.2線性支持向量機

18.2.1線性可分離的情況

18.2.2線性不可分的情況

18.3非線性支持向量機

18.4新型支持向量機

18.5小波支持向量機

18.5.1小波概念

18.5.2小波SVM

習題

第19章Bayes網(wǎng)絡

19.1Bayes網(wǎng)絡的概述

19.2Bayes網(wǎng)絡的理論基礎

19.3Bayes網(wǎng)絡的表示

19.3.1Bayes網(wǎng)絡的定義

19.3.2Bayes網(wǎng)絡中的獨立關系

19.4Bayes網(wǎng)絡的構建

19.4.1構建Bayes網(wǎng)絡

19.4.2Bayes網(wǎng)絡的結構學習

19.4.3Bayes網(wǎng)絡的參數(shù)學習

19.5Bayes網(wǎng)絡的推理

習題

第四部分多源數(shù)據(jù)融合應用

第20章分布式檢測和融合

20.1系統(tǒng)模型和決策融合規(guī)則

20.1.1問題簡述

20.1.2決策融合規(guī)則

20.1.3分層網(wǎng)絡結構

20.2性能分析

20.2.1系統(tǒng)級的誤警率

20.2.2系統(tǒng)級的檢測概率

20.2.3仿真結果

20.2.4漸進分析

20.2.5決策融合規(guī)則的最佳性

20.3局部傳感器的閾值

習題

第21章分布式目標追蹤的高效管理策略

21.1一般問題

21.2貪婪策略

21.3連續(xù)模型

21.4隨機游動

21.4.1直接通信的最優(yōu)策略

21.4.2多跳轉通信的最優(yōu)策略

21.4.3結合誤差協(xié)方差

21.5具有速度動態(tài)的目標運動

21.6性能評價

21.6.1CEC策略的追蹤算法

21.6.2參照算法

21.6.3CEC策略中的傳感器選擇

21.6.4切換為直接通信

21.7強度測量實驗

21.8角度測量實驗

21.8.1隨機游動

21.8.2有速度的目標運動

21.8.3靈敏度實驗

習題

第22章數(shù)據(jù)融合的系統(tǒng)校準

22.1問題陳述和知識預備

22.1.1問題陳述

22.1.2傳感測量模型

22.1.3多傳感器融合模型

22.2方法綜述

22.2.1系統(tǒng)架構

22.2.2問題描述

22.3在線本地標定

22.3.1測量模型估計

22.3.2在線模型估計

22.3.3本地標定算法

22.4最優(yōu)系統(tǒng)級模型標定

22.4.1已標定系統(tǒng)檢測性能

22.4.2最佳系統(tǒng)級標定

22.4.3系統(tǒng)級標定算法

22.4.4實驗方法與設定

22.4.5標定方法性能比較

22.5標定方法性能分析

22.5.1跟蹤驅動仿真

22.5.2基于綜合數(shù)據(jù)的仿真

習題

第23章目標跟蹤策略算法與數(shù)據(jù)融合

23.1狀態(tài)向量和測量級融合

23.1.1狀態(tài)向量融合

23.1.2測量值數(shù)據(jù)級融合

23.1.3數(shù)據(jù)融合效果

23.2分解卡爾曼濾波器傳感器數(shù)據(jù)表征與融合

23.2.1傳感偏差

23.2.2誤差狀態(tài)空間卡爾曼濾波器

23.2.3測量和過程噪聲協(xié)方差估計

23.2.4時間標記和時延誤差

23.2.5多傳感器數(shù)據(jù)融合方案

23.3平方根信息濾波器與非集中式結構中的融合

23.3.1信息濾波器

23.3.2平方根信息濾波器傳感數(shù)據(jù)融合算法

23.3.3非集中式平方根信息濾波器

23.3.4濾波器性能分析

23.4最近鄰和概率數(shù)據(jù)關聯(lián)濾波算法

23.4.1最近鄰Kalman濾波器

23.4.2概率數(shù)據(jù)關聯(lián)濾波

23.4.3傳感器以及多目標的跟蹤和數(shù)據(jù)相關程序

23.4.4數(shù)值仿真

23.5針對機動目標跟蹤的交互式多模型算法

23.5.1交互式多模型Kalman濾波算法

23.5.2目標移動模型

23.5.3交互式多模型Kalman濾波器的實現(xiàn)

23.6數(shù)據(jù)相關濾波器的聯(lián)合概率

23.6.1聯(lián)合概率數(shù)據(jù)關聯(lián)濾波器的通用版本

23.6.2基于樣本的粒子濾波器和聯(lián)合概率數(shù)據(jù)相關濾波器

23.7跟蹤中的無序測量處理

23.7.1無序測量問題的Bayes方法

23.7.2單延遲無雜波的無序測量

23.8數(shù)據(jù)共享和增益融合算法

23.8.1基于Kalman濾波的融合算法

23.8.2基于增益融合的算法

23.8.3性能評估

23.9全局融合與基于數(shù)據(jù)融合的H無窮濾波器

23.9.1基于H無窮濾波器的傳感器數(shù)據(jù)融合

23.9.2基于H無窮后驗濾波的融合算法

23.9.3H無窮全局融合算法

23.9.4數(shù)值仿真結果

23.10融合中的無導數(shù)Kalman濾波器

23.10.1無導數(shù)Kalman濾波

23.10.2數(shù)值仿真

23.11導彈引導頭估計

23.11.1交互式多模型增廣擴展Kalman濾波算法

23.11.2攔截器逃避者的對抗仿真

23.11.3基于擴展Kalman濾波的多擴展模型交互的性能評估

習題

第24章像素與特征的圖像融合

24.1簡介

24.2像素級和特征級圖像融合的概念和算法

24.3圖像配準

24.3.1基于區(qū)域的匹配

24.3.2基于特征的方法

24.3.3變換模型

24.3.4重采樣和變換

24.3.5圖像配準精度

25.4用圖像數(shù)據(jù)分割、矩心檢測和目標追蹤

24.4.1圖像噪聲

24.4.2指標性能評估

24.4.3分割和矩心檢測技術

24.4.4數(shù)據(jù)生成和結果

24.4.5雷達和成像傳感器軌跡融合

24.5像素級融合算法

24.5.1主成分分析法

24.5.2空間頻率

24.5.3性能評估

24.5.4小波變換

24.6激光和視覺數(shù)據(jù)的融合

24.6.13D模型代

24.6.2模型評估

24.7特征級融合方法

24.7.1外觀和深度信息的融合

24.7.2立體人臉識別系統(tǒng)

24.7.3特征級融合

習題

第五部分多傳感器管理

第25章信息融合中的多傳感器管理：問題與方法

25.1簡介

25.1.1傳感器管理的根本目的

25.1.2傳感器管理在信息融合中的作用

25.1.3多傳感器管理結構

25.1.4多傳感器管理中問題的分類

25.2傳感器管理問題的解決方案

25.2.1原理與方法論

25.2.2自上而下的傳感器管理

25.3傳感器部署原則

25.3.1概述

25.3.2傳感器部署相關的濾波

25.4監(jiān)視任務評價

25.4.1基于決策樹的評價

25.4.2基于神經網(wǎng)絡的評價

25.4.3基于目標格序偏好的評價

25.5信號獲取的測量策略

25.5.1測量類型（模式）

25.5.2測量頻率

25.5.3目標檢測的策略

25.6傳感器資源分配

25.6.1基于搜索的傳感器選擇

25.6.2傳感器管理中的信息論方法

25.6.3傳感器規(guī)劃中的決策理論

25.6.4模糊邏輯資源管理

25.6.5傳感器分配中的Markov分類

25.7面向協(xié)作的傳感器行為 2100433B

多源數(shù)據(jù)融合和傳感器管理造價信息

市場價 信息價 詢價
材料名稱 規(guī)格/型號 市場價
（除稅）		 工程建議價
（除稅）		 行情 品牌 單位 稅率 供應商 報價日期
氨氮PH傳感器 XRP6714DK 查看價格 查看價格

南京新銳鵬

 臺 13% 株洲中車機電科技有限公司
COD傳感器 XRP6602D 查看價格 查看價格

南京新銳鵬

 臺 13% 株洲中車機電科技有限公司
SS傳感器 型號:IDT1000 查看價格 查看價格

天健創(chuàng)新

 套 13% 天健創(chuàng)新（北京）監(jiān)測儀表股份有限公司
COD傳感器 型號:UVC1000 查看價格 查看價格

天健創(chuàng)新

 套 13% 天健創(chuàng)新（北京）監(jiān)測儀表股份有限公司
SS傳感器 XRP7801D 查看價格 查看價格

南京新銳鵬

 臺 13% 株洲中車機電科技有限公司
氨氮PH傳感器 型號:DNH1000 查看價格 查看價格

天健創(chuàng)新

 套 13% 天健創(chuàng)新（北京）監(jiān)測儀表股份有限公司
無磁發(fā)訊傳感器 NWM-HRI(配套WS系列水表) 查看價格 查看價格

寧波

 臺 13% 寧波水表股份有限公司
磁發(fā)訊傳感器 HRI40-125(配套WPD系列水表) 查看價格 查看價格

寧波

 臺 13% 寧波水表股份有限公司
材料名稱 規(guī)格/型號 除稅
信息價		 含稅
信息價		 行情 品牌 單位 稅率 地區(qū)/時間
臭氧傳感器 查看價格 查看價格

組 廣東2022年1季度信息價
噪聲傳感器 查看價格 查看價格

組 廣東2022年1季度信息價
噪聲傳感器 查看價格 查看價格

組 廣東2021年4季度信息價
噪聲傳感器 查看價格 查看價格

組 廣東2021年2季度信息價
臭氧傳感器 查看價格 查看價格

組 廣東2020年4季度信息價
臭氧傳感器 查看價格 查看價格

組 廣東2020年3季度信息價
噪聲傳感器 查看價格 查看價格

組 廣東2020年1季度信息價
噪聲傳感器 查看價格 查看價格

組 廣東2022年3季度信息價
材料名稱 規(guī)格/需求量 報價數(shù) 最新報價
（元）		 供應商 報價地區(qū) 最新報價時間
客流分析管理平臺數(shù)據(jù)和用戶管理訂制 DH-DSS數(shù)據(jù)和用戶管理|1臺 2 查看價格 龍洲電子科技有限公司 全國   2020-06-04
數(shù)據(jù)集中管理器 數(shù)據(jù)集中管理器|1個 1 查看價格 寧波埃美柯有限公司 浙江  嘉興市 2022-07-20
融合大數(shù)據(jù)-管理模塊 DS-VJMNC-3XY管理模塊|1套 3 查看價格 浙江大華技術股份有限公司四川辦事處 全國   2020-04-14
智慧教室融合管理平臺 教學、網(wǎng)絡教研、網(wǎng)絡培訓等業(yè)務開展.1.3.兼容性支持IE、火狐、谷歌等主流瀏覽器.2.基礎功能2.1. 錄播管理:支持將錄播設備接入平臺,實現(xiàn)自動轉碼、視頻直播點播,并具備多畫面直播和點播功能|1套 1 查看價格 武漢東信同邦信息技術有限公司 全國   2022-11-15
數(shù)據(jù)管理系統(tǒng) (1)數(shù)據(jù)管理系統(tǒng)-WEBtalk-800-y(2)WEBtalk-800 8000點數(shù)據(jù)服務器.雙核64位CPU,LINUX操作系統(tǒng),500G固態(tài)存儲器;支持BACnet IP/Ethernet|1套 2 查看價格 廣州錦城電子科技有限公司 全國   2021-05-28
融合大數(shù)據(jù)-融合數(shù)據(jù)采集模塊 DS-VJMNC-3XY融合數(shù)據(jù)采集模塊|1套 3 查看價格 浙江大華技術股份有限公司四川辦事處 全國   2020-04-14
數(shù)據(jù)管理 1.支持對整校園、學校進行數(shù)據(jù)監(jiān)控2.數(shù)據(jù)包括訪問人數(shù)、辦公數(shù)據(jù)統(tǒng)計、動態(tài)、資源、學生考勤、人員統(tǒng)計等3.支持個性化定義各種報表,并支持推送,移動端查閱|11 1 查看價格 廣東天智實業(yè)有限公司 全國   2021-07-23
數(shù)據(jù)管理器 1)遵從RS458電氣協(xié)議和Ethernet數(shù)據(jù)傳輸協(xié)議標準規(guī)定;遠傳接口;具備雙網(wǎng)絡接口(有線/無線); 2)支持數(shù)據(jù)服務器數(shù)量;至少2個;功耗≤10W; 3)▲廠家提供產品權威機構檢測報告證明,并加蓋廠商鮮章.;|5臺 1 查看價格 上海格瑞特科技實業(yè)有限公司 全國   2018-06-11

本書基于編者的研究工作，并借鑒國內外其他學者的成果，力圖較全面、系統(tǒng)地講解信息融合理論、應用、傳感器管理以及發(fā)展與最新研究成果，特別是在異構、多源、動態(tài)、非理想信道、稀疏、錯誤容忍環(huán)境下。全書共25章，分為五個部分。第一部分研究現(xiàn)狀，包括多源數(shù)據(jù)融合概述、信息融合的原理和級別、多源傳感器數(shù)據(jù)融合算法、多傳感分布檢測、傳感器管理、探討和備注；第二部分數(shù)學理論基礎，包括Bayes方法、模糊集理論、粗糙集理論、MonteCarlo理論、DempsterShafer理論、估計理論和濾波器理論；第三部分多源數(shù)據(jù)融合算法，包括Bayes決策、正態(tài)分布時的統(tǒng)計決策、最大最小決策、神經網(wǎng)絡、支持向量機和Bayes網(wǎng)絡；第四部分多源數(shù)據(jù)融合應用，包括分布式檢測和融合、目標追蹤的高效管理策略、數(shù)據(jù)融合的系統(tǒng)校準、目標跟蹤策略算法與數(shù)據(jù)融合、像素與特征的圖像融合；第五部分是多傳感器管理。本書可作為信息工程、信息融合、模式識別、機器學習、人工智能、數(shù)據(jù)分析、軍事決策和電子對抗等專業(yè)的本科生和研究生教材，也可供上述相關領域的科技人員閱讀和參考，還可以供雷達、聲吶、激光、紅外、機器人、導航、交通、醫(yī)學、物聯(lián)網(wǎng)、泛在網(wǎng)、CPS、遙感、遙測、定位等領域的科技工作者參考學習。

多源數(shù)據(jù)融合和傳感器管理常見問題

  • 傳感器和傳感器模塊的區(qū)別

    傳感器節(jié)點是采用自組織方式進行組網(wǎng)以及利用無線通信技術進行數(shù)據(jù)轉發(fā)的，節(jié)點都具有數(shù)據(jù)與數(shù)據(jù)融合轉發(fā)雙重功能。傳感器（英文名稱：transducer/sensor）是一種檢測裝置，能感受到被測量...

  • 如何區(qū)分有源和無源傳感器

    無源傳感器，就是不需要電源就能工作的。有源傳感器，就是需要供電才能工作的。這是從表面觀察來判斷。如果從工作原理來分析，無源傳感器是完全通過吸收被測對象的能量來輸出信號；而有源傳感器的輸出信號能量部分來...

  • 壓力傳感器和位移傳感器數(shù)據(jù)問題

    壓力傳感器和位移傳感器的輸出必須是標準的模擬信號，計算機配置模擬量數(shù)據(jù)卡或模塊，數(shù)據(jù)分析軟件要專業(yè)人員進行編制。

多源數(shù)據(jù)融合和傳感器管理文獻

基于多傳感器數(shù)據(jù)融合的溫室環(huán)境控制的研究 基于多傳感器數(shù)據(jù)融合的溫室環(huán)境控制的研究

格式：pdf

大?。?span id="ufqv91f" class="single-tag-height">1.3MB

頁數(shù)： 3頁

評分： 4.8

基于多傳感器數(shù)據(jù)融合的溫室環(huán)境控制的研究

立即下載
基于多傳感器數(shù)據(jù)融合的噴水推進泵空化分類識別 基于多傳感器數(shù)據(jù)融合的噴水推進泵空化分類識別

格式：pdf

大小：1.3MB

頁數(shù)： 未知

評分： 4.4

采用基于奇異值分解和人工神經網(wǎng)絡的多傳感器數(shù)據(jù)融合方法對噴水推進泵的空化狀態(tài)進行了分類識別研究。首先利用基于奇異值分解的權值估計算法分別對水聲信號和振動信號在時間上進行數(shù)據(jù)級融合,提取出各自的特征,然后將所有特征組合起來作為神經網(wǎng)絡的輸入,利用BP網(wǎng)絡和RBF網(wǎng)絡進行特征級融合和分類識別。分析結果表明:基于多傳感器數(shù)據(jù)融合的分類識別結果優(yōu)于單傳感器分類識別結果;采用基于奇異值分解的數(shù)據(jù)融合方法后,分類識別率顯著提高,對空化初生微弱特征的識別效果尤佳。

立即下載

第1章 多傳感器數(shù)據(jù)融合概述 1

1.1 引言 1

1.1.1 概況 1

1.1.2 雷達信息處理系統(tǒng)的發(fā)展過程 3

1.1.3 數(shù)據(jù)融合系統(tǒng)中的主要傳感器 6

1.1.4 數(shù)據(jù)融合的應用領域 8

1.2 數(shù)據(jù)融合的定義和通用模型 10

1.2.1 數(shù)據(jù)融合的定義 10

1.2.2 數(shù)據(jù)融合的通用模型 11

1.2.3 傳感器組成及描述 12

1.3 數(shù)據(jù)融合的重要性和潛在能力 16

1.4 數(shù)據(jù)融合的分類 17

1.4.1 像素級融合 17

1.4.2 特征級融合 18

1.4.3 決策級融合 18

1.5 數(shù)據(jù)融合技術 19

1.6 數(shù)據(jù)融合的主要內容 20

第2章 狀態(tài)估計 23

2.1 卡爾曼濾波器 23

2.1.1 用數(shù)字濾波器作為估值器 24

2.1.2 線性均方估計 26

2.1.3 最優(yōu)遞歸估值器--標量卡爾曼濾波器 28

2.1.4 向量卡爾曼濾波器 30

2.1.5 擴展卡爾曼濾波器 35

2.1.6 卡爾曼濾波器在雷達跟蹤中的應用 40

2.1.7 擴展卡爾曼濾波器在目標跟蹤和衛(wèi)星軌道確定方面的應用 43

2.1.8 目標機動檢測 47

2.1.9 自適應卡爾曼濾波器 49

2.2 常系數(shù)α-β和α-β-γ濾波器 52

2.2.1 目標運動模型 52

2.2.2 常系數(shù)α-β和α-β-γ濾波器 52

2.2.3 常系數(shù)α-β和α-β-γ濾波器的系數(shù) 54

2.2.4 變系數(shù)α-β和α-β-γ濾波器的系數(shù) 55

2.2.5 α-β和α-β-γ組合濾波器 56

2.3 自適應α-β濾波器 57

2.3.1 目標運動方程和觀測方程 57

2.3.2 自適應系數(shù)的獲取 57

2.3.3 濾波算法 58

2.3.4 獲取α(k)和β(k)的局部方差方法 58

查看詳情

本書以具有代表性的C3I系統(tǒng)為主線，介紹了多傳感器數(shù)據(jù)融合系統(tǒng)的基本概念，系統(tǒng)組成，基本原理以及多傳感器數(shù)據(jù)融合系統(tǒng)設計中所采用的基本方法。

全書共分七章，第一章介紹多傳感器信息系統(tǒng)的一般概念及組成，第二章至第六章的內容分別為多傳感器系統(tǒng)狀成估計，數(shù)據(jù)關聯(lián)原理和方法，航跡融合等，第七章簡單介紹了C3I系統(tǒng)所用到的幾種主要傳感器。

本書是為電子信息類專業(yè)對應的各個學科的士研究生編寫的，也可供從事電子信息系統(tǒng)研究與設計的工程技術人員和此領域的博士研究生參考。

查看詳情

第1章 數(shù)據(jù)融合

1.1 低層次融合

1.2 中級融合

1.3 高層次融合

1.4 安全

1.5 傳感器融合

1.6 應用歷史

第2章 傳感器類型

2.1 傳感器

2.2 傳感器的選擇

2.3 聲吶

2.3.1 聲吶換能器

2.3.2 聲吶的應用

2.4 激光傳感器

2.4.1 激光

2.4.2 激光光

2.4.3 激光的應用

2.5 射頻傳感器

2.5.1 射頻傳感器的應用

第3章 新的安全監(jiān)控系統(tǒng)

3.1 目標動態(tài)傳感

3.2 安全決策

第4章 傳感器融合

4.1 相似度概念

4.2 迭代貝葉斯估計和最后驗概率

4.3 全局和局部指標

第5章 狀態(tài)估計

5.1 卡爾曼濾波

5.2 擴展卡爾曼濾波

第6章 狀態(tài)變換（同類傳感器互補）

第7章 決策制定—模糊邏輯系統(tǒng)

7.1 決策過程

7.2 模糊邏輯系統(tǒng)

7.31—型模糊邏輯系統(tǒng)

7.3.11—型隸屬度函數(shù)及其運算

7.3.2 語言變量和IF—THEN規(guī)則

7.3.3 基于模糊規(guī)則的推理

7.42—型模糊邏輯系統(tǒng)

7.4.12—型模糊集與隸屬函數(shù)

7.5 模糊邏輯控制

7.6 異構傳感器的互補性

第8章 結果與討論

8.1 卡爾曼濾波結果

8.1.1 兩目標的仿真

8.1.2 三目標的仿真

8.2 擴展卡爾曼濾波結果

第9章 結論和工作展望

附錄A 超模糊邏輯決策在安全監(jiān)視系統(tǒng)中的應用

A.1 引言

A.2 安全系統(tǒng)

A.3 模糊邏輯基本原理

A.4 超模糊

A.5 結果和討論

附錄B 系統(tǒng)代碼

參考文獻

查看詳情
多源數(shù)據(jù)融合和傳感器管理相關推薦
  • 相關百科
  • 相關知識
  • 相關專欄