數(shù)據(jù)融合理論與應(yīng)用

第一章 概論
*1.1 數(shù)據(jù)融合的目的和應(yīng)用
1.2 數(shù)據(jù)融合的理論基礎(chǔ)
1.2.1 數(shù)據(jù)融合的一般處理模型
1.2.2 數(shù)據(jù)融合的概念與結(jié)構(gòu)分類
1.3 數(shù)據(jù)融合的實現(xiàn)技術(shù)
1.3.1 目標(biāo)跟蹤
1.3.2 目標(biāo)識別
1.3.3 態(tài)勢評估和威脅估計(STA）
1.4 數(shù)據(jù)融合的研究現(xiàn)狀和如何推動我國數(shù)據(jù)融合研究的進(jìn)展
1.4.1 理論研究應(yīng)著眼未來、強(qiáng)調(diào)創(chuàng)新
1.4.2 技術(shù)研究應(yīng)面向世界、追求突破
1.4.3 人才培養(yǎng)應(yīng)面向教育
1.4.4 加強(qiáng)學(xué)術(shù)交流，全方位協(xié)調(diào)發(fā)展
補(bǔ)記
參考文獻(xiàn)
第二章 多傳感器目標(biāo)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(bǔ)記
參考文獻(xiàn)
第三章 多傳感器目標(biāo)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(bǔ)記
參考文獻(xiàn)
第四章 目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)概論
4.1 多目標(biāo)跟蹤的基本思想
4.2 數(shù)據(jù)關(guān)聯(lián)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(shù)據(jù)關(guān)聯(lián)濾波器
4.2.4 多模型方法
4.2.5 相互作用多模型—概率數(shù)據(jù)關(guān)聯(lián)濾波器
4.2.6 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波器
4.2.7 多假設(shè)方法
4.2.8 航跡分裂方法
4.2.9 分布式多傳感器多目標(biāo)跟蹤與數(shù)據(jù)關(guān)聯(lián)的一般理論
4.2.10 基于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)方法
補(bǔ)記
參考文獻(xiàn)
第五章 相互作用多模型—概率數(shù)據(jù)關(guān)聯(lián)算法
5.1 概率數(shù)據(jù)關(guān)聯(lián)濾波器
5.1.1 預(yù)備知識
5.1.2 概率數(shù)據(jù)關(guān)聯(lián)濾波器的基本思想
5.1.3 關(guān)聯(lián)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(shù)據(jù)關(guān)聯(lián)算法
5.4 多傳感器相互作用多模型—概率數(shù)據(jù)關(guān)聯(lián)算法
5.4.1 多傳感器概率數(shù)據(jù)關(guān)聯(lián)濾波器
5.4.2 多傳感器多模型—概率數(shù)據(jù)關(guān)聯(lián)濾波器
* 5.5 目標(biāo)運(yùn)動模型(TargetMotionModels）
5.5.1 基本理論
5.5.2 幾個典型的目標(biāo)運(yùn)動模型
補(bǔ)記
參考文獻(xiàn)
第六章 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)和多假設(shè)濾波器
6.1 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法
6.1.1 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法的基本思想
6.1.2 聯(lián)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(shè)濾波器
6.2.1 假設(shè)的產(chǎn)生和假設(shè)樹的形成
6.2.2 假設(shè)估計
6.2.3 假設(shè)管理
補(bǔ)記
參考文獻(xiàn)
第七章 多傳感器多目標(biāo)跟蹤的一般理論
7.1 分布式多傳感器多目標(biāo)跟蹤的基本思想與功能結(jié)構(gòu)
7.2 單目標(biāo)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(shè)多目標(biāo)跟蹤
7.3.1 航跡和假設(shè)
7.3.2 遞歸假設(shè)估計
7.3.3 成批假設(shè)估計
7.4 分布式多目標(biāo)跟蹤
7.4.1 等級多目標(biāo)跟蹤
7.4.2 分布式多目標(biāo)跟蹤
補(bǔ)記
參考文獻(xiàn)
第八章 多目標(biāo)跟蹤系統(tǒng)的性能評估
8.1 航跡分類
8.2 跟蹤評估指標(biāo)
8.3 混合評價指標(biāo)的設(shè)計
8.4 一般評價模型
補(bǔ)記
參考文獻(xiàn)
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(yīng)用
9.1.2 基于Bayes統(tǒng)計理論的身份識別
9.2 基于DempsterShafer證據(jù)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?qū)ο蟮臄?shù)據(jù)融合算法及其神經(jīng)網(wǎng)絡(luò)實現(xiàn)［7］
9.3.1 分類和跟蹤處理模型
9.3.2 數(shù)據(jù)融合算法
9.3.3 融合算法的神經(jīng)網(wǎng)絡(luò)實現(xiàn)
補(bǔ)記
參考文獻(xiàn)
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(chǔ)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(zhuǎn)移模型
10.2.2 SHOR模型
補(bǔ)記
參考文獻(xiàn)
第十一章 條件事件代數(shù)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(shù)的定義及其性質(zhì)
11.2.1 布爾代數(shù)
11.2.2 Lewis定理
11.2.3 GNW(Goodman Nguyen Walker）條件事件代數(shù)
11.2.4 條件事件代數(shù)的運(yùn)算性質(zhì)
補(bǔ)記
參考文獻(xiàn)
第十二章 規(guī)劃識別理論及其應(yīng)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(diǎn)
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(rèn)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(shè)計
12.3.6 監(jiān)測過程的策略
12.4 預(yù)測式規(guī)劃識別的理論研究與實現(xiàn)
12.4.1 預(yù)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(wǎng)絡(luò)
12.4.4 預(yù)測與Bayes因果網(wǎng)絡(luò)
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(bǔ)記
參考文獻(xiàn)