分布式信息融合 理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

分布式信息融合 理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 信息融合及其分布式发展概述1

1.1 信息融合技术发展沿革1

1.2 数据融合模型的概要分类2

1.3 JDL数据融合过程模型3

1.3.1 JDL数据融合结构模型4

1.3.2 JDL顶层融合模型的演变5

1.3.3 JDL融合顶层模型的主要功能7

1.4 Endsley态势感知模型8

1.5 影响信息融合学科发展的相关动向9

1.6 信息时代对分布式信息融合的需求12

1.7 分布式融合面临的主要挑战14

参考文献17

第2章 面向网络中心战的分布式信息融合23

2.1 网络中心战（NCW）的概念及背景23

2.1.1 新军事变革与联合作战23

2.1.2 新军事变革与信息化24

2.1.3 新军事变革与网络中心战24

2.2 网络中心战（NCW）中的信息价值26

2.2.1 网络中心战（NCW）中的信息价值概念26

2.2.2 网络中心战（NCW）中的价值链26

2.2.3 最优行动的期望效用29

2.3 网络中心战（NCW）中的认知问题30

2.3.1 认知的概念30

2.3.2 认知的本质和过程32

2.4 网络中心战（NCW）中的自组织和自同步34

2.4.1 网络中心战（NCW）的主要特征34

2.4.2 自组织的概念和效用35

2.4.3 自同步的概念和效用35

2.5 分布式信息融合在网络中心战（NCW）中的作用36

2.5.1 分布式网络中心战（NCW）与分布式信息融合36

2.5.2 信息融合对网络中心战（NCW）价值链的贡献37

2.5.3 信息融合在网络中心战（NCW）认知中的作用38

2.5.4 信息融合在网络中心战（NCW）指挥控制中的作用39

2.6 分布式信息融合中的挑战性问题41

参考文献42

第3章 分布式信息融合中的新概念和新方法45

3.1 引言45

3.2 分布式信息融合概念与问题概述46

3.3 控制相关信息融合误差的有界协方差增长方法50

3.3.1 有界协方差增长控制方法的概念和应用背景50

3.3.2 BCI模型50

3.3.3 分散式目标跟踪误差分析案例54

3.4 传感器协同方法56

3.4.1 极大和算法模型57

3.4.2 极大和算法约束条件与模型求解58

3.4.3 基于极大和算法的多传感器协同跟踪案例61

3.5 自利平台的优化协调方法63

3.5.1 概念与背景63

3.5.2 目标跟踪中的多代理协调问题64

3.5.3 目标跟踪MAS模型的效用评价函数65

3.5.4 考虑信道衰减的信息多级最优传输路径66

3.5.5 基于拍卖机制的网络带宽优化分配67

3.5.6 仿真案例70

3.6 合作对象信用估计71

3.6.1 合同的期望效用与协方差的概念72

3.6.2 基于独立贝塔分布的合同信用估计72

3.6.3 基于卡尔曼滤波的异类服务合同信用估计73

3.6.4 合同信用模型仿真验证案例75

3.7 基于人—代理集合体（HAC）的分布式信息融合76

3.7.1 问题的提出76

3.7.2 人—代理集合体（HAC）中的用户精炼77

3.7.3 人—代理集合体（HAC）中的用户控制与管理82

3.7.4 用户在人—代理集合体（HAC）系统评估中的作用84

3.7.5 人—代理集合体（HAC）设计中的挑战与机遇86

3.8 本章小结87

参考文献88

第4章 分布式融合结构与估计算法91

4.1 引言91

4.2 分布式信息融合结构92

4.2.1 融合结构的依赖因素92

4.2.2 融合结构与依赖因素之间的关系93

4.2.3 分布式融合结构的选择基准95

4.2.4 分布式融合结构分类95

4.3 分布式融合信息图98

4.3.1 单连接信息图98

4.3.2 无反馈层次融合的多连接信息图及连接转换99

4.3.3 有反馈层次融合信息图及连接转换100

4.3.4 对等式分布融合信息图及连接转换101

4.4 分布式估计算法105

4.4.1 分布式估计概述105

4.4.2 贝叶斯分布估计中的重复信息去除原理106

4.4.3 最优贝叶斯分布融合算法108

4.4.4 次优贝叶斯分布融合算法112

4.4.5 高斯分布或带有误差协方差估计的全局估计114

4.5 目标跟踪中的分布式估计116

4.5.1 问题描述116

4.5.2 确定性动态过程117

4.5.3 非确定性动态过程118

4.6 对象分类识别的分布式估计118

4.6.1 对象分类的分布式识别结构119

4.6.2 对象分类的分布式识别算法120

4.7 本章小结121

参考文献121

第5章 多传感器分布式目标检测125

5.1 分布式检测问题描述125

5.1.1 集中式与分布式检测125

5.1.2 分布式检测结构与模型126

5.2 基于LRT的分布式检测方法128

5.2.1 贝叶斯分布式检测128

5.2.2 基于LRT的奈曼—皮尔逊检测方法134

5.2.3 基于LRT的融合检测逻辑设计136

5.3 基于计数表决规则的WSN检测方法139

5.3.1 计数表决检测方法139

5.3.2 多传感器全局表决检测准则140

5.3.3 不同性能传感器的全局表决检测通用模型141

5.3.4 同类传感器表决检测通用模型142

5.4 基于虚发现率的分布式检测门限控制143

5.4.1 统计学中的多比较问题144

5.4.2 基于FDR局部门限控制的全局优化检测算法144

5.4.3 基于FDR的分布式检测系统设计146

5.5 相关情况的分布式检测148

5.5.1 基于相关观测的最优分布式检测研究现状148

5.5.2 基于相关局部判定的最优分布式检测研究现状149

5.5.3 进一步说明149

5.6 非理想通信信道下的分布式检测150

5.6.1 概念与模型150

5.6.2 考虑信道衰减的分布式检测规则151

5.6.3 基于部分信道状态的分布式检测152

5.6.4 具有非信道状态信息的分布式检测153

5.7 本章小结154

参考文献155

第6章 航迹融合与航迹关联——分布式多目标跟踪要点161

6.1 引言161

6.2 航迹融合的概念与模型163

6.2.1 目标动态与观测模型164

6.2.2 一次航迹融合的概念164

6.2.3 反复航迹融合的概念165

6.3 一次航迹融合准则166

6.3.1 一次航迹融合状态估计及其协方差166

6.3.2 融合准则168

6.3.3 航迹融合准则性能评估基准174

6.4 一次航迹融合准则性能评估案例178

6.4.1 案例剧情模型178

6.4.2 追加传感器情况仿真案例180

6.4.3 互补传感器情况仿真案例183

6.5 目标连续跟踪中的反复航迹融合185

6.5.1 反复航迹融合结构与分类185

6.5.2 不带反馈的反复航迹融合187

6.5.3 带反馈的反复航迹融合192

6.6 分布式航迹关联195

6.6.1 航迹关联的基本假设与评估函数196

6.6.2 航迹关联度量指标及其计算197

6.6.3 航迹关联度量指标比较仿真案例200

6.7 本章小结203

参考文献203

第7章 分布式目标分类识别208

7.1 目标分类的概念与应用需求208

7.2 目标分类/识别方法209

7.2.1 基于不确定性的目标分类/识别方法209

7.2.2 目标分类/识别的基本步骤210

7.2.3 分布式目标分类识别方法的特点211

7.2.4 目标类别与识别特征的关系212

7.3 目标分类方法的基本类型213

7.3.1 “产生”型目标分类识别方法213

7.3.2 “差异”型目标分类识别方法214

7.3.3 混合型目标分类识别方法215

7.4 多级目标分类识别结构217

7.5 分布式目标分类识别中的新问题219

7.5.1 显式重复计算220

7.5.2 隐式重复计算221

7.5.3 采用硬说明的传统融合识别系统221

7.5.4 混合不确定性表示222

7.6 基于局部分类器的全局融合识别223

7.6.1 多分类器融合技术的分类223

7.6.2 分类器组合方法224

7.7 最优分布式贝叶斯目标分类方法226

7.7.1 集中式目标分类算法227

7.7.2 分布式目标分类算法227

7.7.3 分布式目标分类识别系统的通信策略232

7.8 分布式目标分类识别算法比较233

7.8.1 目标分类识别算法性能仿真与评估方法233

7.8.2 目标分类融合识别算法仿真比较234

7.9 本章小结238

参考文献239

第8章 多传感器一致性数据融合241

8.1 引言241

8.2 基于分位数的离异值剔除方法245

8.2.1 一维情形245

8.2.2 多维情形247

8.3 基于模糊集理论的多传感器一致性数据融合248

8.4 基于统计距离矩阵特征值的一致性数据融合249

8.5 基于置信距离的多传感器一致性数据融合251

8.5.1 一维情形的置信距离251

8.5.2 多维情形的置信距离252

8.5.3 基于置信距离的一致性数据融合方法252

8.6 基于测量精度分级的多传感器一致性数据融合254

8.6.1 两个传感器测量数据偏差的概率比较254

8.6.2 两传感器融合偏差与传感器测量偏差的概率比较256

8.6.3 基于精度分级的多传感器一致性数据融合实现方法258

8.6.4 计算案例259

8.7 本章小结261

参考文献262

第9章 分布式信息融合发展的理论基础264

9.1 引言264

9.2 单目标分布式融合概述267

9.2.1 单目标贝叶斯滤波268

9.2.2 独立数据源的T2F269

9.2.3 非独立数据源的T2F272

9.2.4 协方差交集（CI）航迹融合276

9.2.5 指数混合（XM）融合278

9.3 基于有限集统计学的多目标滤波方法282

9.3.1 多传感器多目标递推贝叶斯滤波282

9.3.2 多目标随机分布的计算方法284

9.3.3 概率假设密度（PHD）滤波286

9.3.4 基数概率假设密度（CPHD）滤波288

9.3.5 基于随机集的滤波技术应用近况291

9.4 基于单目标融合扩展的多目标分布式融合292

9.4.1 独立数据源的多目标T2F292

9.4.2 非独立数据源的多目标T2F294

9.4.3 多目标指数混合（XM）融合294

9.5 基于CPHD/PHD滤波的多目标航迹融合公式295

9.5.1 基于CPHD滤波的独立跟踪源T2F公式295

9.5.2 基于PHD滤波的独立跟踪源T2F公式298

9.5.3 基于CPHD滤波和PHD滤波的相关跟踪源T2F公式300

9.5.4 基于CPHD滤波的多目标分布密度的指数混合（XM）融合近似301

9.5.5 基于PHD滤波的多目标分布密度的指数混合（XM）融合近似303

9.6 基于CPHD滤波和PHD滤波的多目标T2F实现案例306

9.6.1 基于CPHD/PHD滤波的多目标T2F公式实现306

9.6.2 多目标指数混合（XM）T2F近似公式的计算实现308

9.7 本章小结310

参考文献311

第10章 分布式环境中的威胁估计315

10.1 威胁估计基本概念315

10.1.1 威胁与威胁对象315

10.1.2 威胁估计概念315

10.1.3 威胁估计的特征与内涵317

10.1.4 威胁估计要素及其层次结构318

10.1.5 威胁估计结果的表示方法320

10.2 基于假设评估的威胁估计推理模型320

10.2.1 威胁估计模型320

10.2.2 威胁估计的多假设推理321

10.2.3 威胁估计推理中的多假设评估322

10.3 威胁估计方法324

10.3.1 基于随机区间的目标威胁估计方法324

10.3.2 基于模糊模式识别的目标威胁估计算法330

10.3.3 基于决策树学习的目标威胁估计算法339

10.4 多目标威胁估计方法342

10.4.1 威胁函数与威胁值342

10.4.2 基于多价值准则的多目标威胁评估方法343

10.5 分布式环境中目标威胁估计的控制模式346

10.5.1 分布式威胁估计的优势346

10.5.2 分布式威胁估计的环境要求346

10.5.3 分布式威胁估计的协同模式347

10.5.4 分布式协同威胁估计案例349

10.6 通信状态对分布式威胁估计的影响350

10.6.1 通信中断状态产生的影响350

10.6.2 通信降级状态产生的影响351

参考文献351

第11章 分布式传感器管理354

11.1 概述354

11.1.1 传感器管理的概念354

11.1.2 传感器管理的内涵和效用355

11.1.3 传感器管理的功能356

11.2 基于效用函数的目标探测传感器资源管理算法357

11.2.1 问题描述358

11.2.2 基于效用的传感器资源分配数学模型359

11.2.3 仿真例子362

11.3 基于模糊推理的传感器管理算法364

11.3.1 问题描述364

11.3.2 基于模糊推理的传感器管理算法365

11.3.3 性能指标368

11.3.4 仿真例子369

11.4 基于组合双向拍卖的传感器管理算法370

11.4.1 问题描述371

11.4.2 基于多资源组合双向拍卖的传感器管理算法372

11.4.3 仿真例子381

11.5 本章小结385

参考文献386