多傳感器數(shù)據(jù)融合及其應用

第1章  多傳感器數(shù)據(jù)融合概述
  1.1  引言
  1.1.1  概況
  1.1.2  雷達信息處理系統(tǒng)的發(fā)展過程
  1.1.3  數(shù)據(jù)融合系統(tǒng)中的主要傳感器
  1.1.4  數(shù)據(jù)融合的應用領域
  1.2  數(shù)據(jù)融合的定義和通用模型
  1.2.1  數(shù)據(jù)融合的定義
  1.2.2  數(shù)據(jù)融合的通用模型
  1.2.3  傳感器組成及描述
  1.3  數(shù)據(jù)融合的重要性和潛在能力
  1.4  數(shù)據(jù)融合的分類
  1.4.1  像素級融合
  1.4.2  特征級融合
  1.4.3  決策級融合
  1.5  數(shù)據(jù)融合技術
  1.6  數(shù)據(jù)融合的主要內(nèi)容
第2章  狀態(tài)估計
  2.1  卡爾曼濾波器
  2.1.1  用數(shù)字濾波器作為估值器
  2.1.2  線性均方估計
  2.1.3  最優(yōu)遞歸估值器——標量卡爾曼濾波器
  2.1.4  向量卡爾曼濾波器
  2.1.5  擴展卡爾曼濾波器
  2.1.6  卡爾曼濾波器在雷達跟蹤中的應用
  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·.
  2.1.8  目標機動檢測.”
  2.1.9  自適應卡爾曼濾波器
  2.2  常系數(shù)α-β和α-β-γ濾波器
  2.2.1  目標運動模型
  2.2.2  常系數(shù)α-β和α-β-γ濾波器
  2.2.3  常系數(shù)α-β和α-β-γ濾波器的系數(shù)
  2.2.4  變系數(shù)α-β和α-β-γ濾波器的系數(shù)
  2.2.5  組合濾波器
  2.3  自適應濾波器
  2.3.1  目標運動方程和觀測方程
  2.3.2  自適應系數(shù)的獲取
  2.3.3  濾波算法
  2.3.4  獲取α（κ）和α（κ）的局部方差方法
第3章  數(shù)據(jù)關聯(lián)及其數(shù)據(jù)準備
  3.1  多傳感器數(shù)據(jù)關聯(lián)時的數(shù)據(jù)準備
  3.1.1  對雷達信號處理的要求
  3.1.2  預處理
  3.1.3  修正系統(tǒng)誤差
  3.I.4  坐標變換或空間對準
  3.I.5  時間同步或?qū)?br />  3.1.6  量綱對準
  3.2  數(shù)據(jù)關聯(lián)
  3.2.1  數(shù)據(jù)關聯(lián)舉例
  3.2.2  數(shù)據(jù)關聯(lián)過程
  3.2.3  數(shù)據(jù)關聯(lián)的一般步驟
  3.3  狀態(tài)關聯(lián)及關聯(lián)門的應用
  3.3.1  位置關聯(lián)及關聯(lián)門
  3.3.2  位置一速度關聯(lián)
  3.3.3  編批目標的關聯(lián)
  3.4  關聯(lián)門的選擇
  3.4.1  關聯(lián)門的形狀
  3.4.2  關聯(lián)門的類型
  3.4.3  關聯(lián)門的尺寸
  3.5  各種數(shù)據(jù)關聯(lián)方法
  3.5.1  最鄰近數(shù)據(jù)關聯(lián)(NNDA)
  3.5.2  概率數(shù)據(jù)關聯(lián)(PDA)
  3.5.3  聯(lián)合概率數(shù)據(jù)關聯(lián)(JPDA)
  3.5.4  交互多模型法(1MM)
  3.5.5  全局最鄰近數(shù)據(jù)關聯(lián)
  3.5.6  簡易聯(lián)合概率數(shù)據(jù)關聯(lián)(CJPDA)
  3.5. 7  模糊數(shù)據(jù)關聯(lián)(FDA)
  3.5；8  準最佳聯(lián)合概率數(shù)據(jù)關聯(lián)(SJPDA)
  3.5.9  最鄰近聯(lián)合概率數(shù)據(jù)關聯(lián)(NNJPDA)
  3.5.10  “全鄰”最優(yōu)濾波法—
  3.5.11  多假設法(MHT)
  3.5.12  航跡分裂法
  3.5.13  最大似然數(shù)據(jù)關聯(lián)(MLDA)—
  3.6  用實際雷達數(shù)據(jù)對某些關聯(lián)方法的評價
第4章  航跡及其融合
  4.1  引言
  4.2  航跡管理
  4.2.1  邏輯法
  4.2.2  記分法
  4.3  航跡的初始化算法
  4.3.1  兩點外推
  4.3.2  三點加速外推
  4.4  航跡關聯(lián)
  4.4.1  統(tǒng)計關聯(lián)方法
  4.4.2  模糊關聯(lián)方法
  4.5  航跡融合
  4.5.1  航跡融合結(jié)構(gòu)
  4.5.2  航跡融合中的相關估計誤差問題
  4.5.3  航跡狀態(tài)估計融合
  4.5.4  模糊航跡融合  
  4.5.5  利用偽點跡的航跡融合方法，
  4.5.6  信息去相關算法
第5章  身份融合
  5.1  引言—
  5.2  身份融合算法的分類
  5.3  特征及其提取
  5.3.1  圖像特征
  5.3.2  信號數(shù)據(jù)特征
  5.4  身份識別
  5.5  識別技術概述
  5.5.1  相似性系數(shù)法
  5.5.2  統(tǒng)計模式識別技術
  5.5.3  神經(jīng)網(wǎng)絡技術
  5.5.4  參數(shù)模板法
  5.5.5  聚類分析技術
  5.5.6  物理模型
  5.5.7  基于知識的方法
  5.6  身份融合算法
  5.6.1  經(jīng)典推理
  5.6.2  Bayes推理
  5.6.3  Dempster—Shafer證據(jù)推理方法
  5.6.4  身份信息融合的最佳方法
第6章  態(tài)勢評估與威脅評估
  6.1  態(tài)勢評估
  6.1.1  態(tài)勢評估的定義
  6.1.2  態(tài)勢評估元素
  6.1.3  態(tài)勢評估包含的主要內(nèi)容
  6.1.4  態(tài)勢評估的特點
  6.1.5  態(tài)勢顯示
  6.2  威脅評估
  6.2.1  威脅評估的定義
  6.2.2  威脅評估元素
  6.2.3  威脅評估的主要內(nèi)容
  6.3  態(tài)勢評估和威脅評估的實現(xiàn)方法
  6.3.1  態(tài)勢評估和威脅評估的主要特點
  6.3.2  用于STA的主要技術
第7章  C³I系統(tǒng)中常用傳感器概述
  7.1  引言
  7.2  常用傳感器
  7.2.1  動目標顯示／檢測雷達
  7.2.2  脈沖多普勒雷達(PD)
  7.2.3  連續(xù)波雷達(CW)
  7.2.4  電子情報接收機(ELINT)／電子支援測量(ESM)
  7.2.5  二次監(jiān)視雷達(SSR)／IFF／IFFN系統(tǒng)
  7.2.6  毫米波雷達
  7.2.7  聲納
  7.2.8  紅外傳感器(1R)
附錄A  坐標系的變換
附錄B  名詞與縮略語
參考文獻