多傳感器信息融合估計理論及其在智能制造中的應用

目錄
第1章緒論（1）
1.1引言（1）
1.2信息融合系統(tǒng)結構（2）
1.3信息融合技術的基本理論（3）
1.3.1信息融合的基本數(shù)學方法（3）
1.3.2信號級融合（4）
1.3.3特征級融合（6）
1.3.4決策級融合（7）
1.3.5信息融合系統(tǒng)中的傳感器管理（7）
1.4信息融合技術的應用（8）
1.4.1軍事領域（8）
1.4.2民用、工業(yè)及經(jīng)濟領域（8）
1.4.3機器人及智能交通（8）
1.4.4防火（9）
1.4.5地球科學（9）
1.4.6疾病診斷（9）
1.4.7其他（10）
1.5研究現(xiàn)狀（10）
1.5.1檢測級融合（10）
1.5.2數(shù)據(jù)互聯(lián)（12）
1.5.3狀態(tài)融合估計（14）
1.5.4特征級融合及決策級融合（16）
1.5.5傳感器管理（17）
第2章多傳感器信息融合估計理論基礎（19）
2.1引言（19）
2.2融合估計算法（20）
2.2.1測量數(shù)據(jù)融合算法（22）
2.2.2兩種測量數(shù)據(jù)融合方法的性能分析（23）
2.2.3tracktotrack融合估計算法（31）
2.2.4分布式最優(yōu)融合估計算法（34）
多傳感器信息融合估計理論及其在智能制造中的應用目錄2.3分布式不相關優(yōu)化融合估計（36）
2.3.1估計協(xié)方差Pij的消除（37）
2.3.2分布式不相關優(yōu)化融合估計算法基本形式及其性能（39）
2.3.3穩(wěn)態(tài)分布式不相關優(yōu)化融合估計（41）
2.3.4仿真實驗（41）
2.3.5本節(jié)小結（44）
2.4最優(yōu)融合估計的方差性能研究（45）
2.4.1方差性能函數(shù)的定義（45）
2.4.2方差性能函數(shù)與融合估計方差的關系（45）
2.4.3討論（47）
2.4.4仿真實驗（48）
2.4.5本節(jié)小結（50）
第3章參數(shù)不確定多傳感器系統(tǒng)的融合估計（51）
3.1引言（51）
3.2參數(shù)不確定多傳感器信息融合系統(tǒng)模型（52）
3.2.1范數(shù)有界不確定模型（52）
3.2.2多胞型不確定模型（53）
3.3集中式魯棒H∞融合估計（54）
3.3.1問題描述（54）
3.3.2基于范數(shù)有界不確定描述模型的集中式融合估計（54）
3.3.3基于多胞型不確定描述模型的集中式融合估計（60）
3.3.4仿真實驗與性能分析（63）
3.4分布式魯棒H∞融合估計（68）
3.4.1問題描述（68）
3.4.2分布式魯棒H∞融合估計方法（68）
3.4.3仿真實驗（70）
3.5本章小結（73）
第4章非標準多傳感器系統(tǒng)的最優(yōu)融合估計（74）
4.1引言（74）
4.2系統(tǒng)模型（74）
4.3單傳感器狀態(tài)估計（75）
4.4最優(yōu)融合估計（76）
4.4.1集中式融合估計算法（76）
4.4.2分布式融合估計算法（77）
4.5多級式最優(yōu)融合估計（77）
4.5.1多級式多傳感器系統(tǒng)模型（77）
4.5.2集集式融合估計算法（78）
4.5.3分分式融合估計算法（79）
4.5.4集分式融合估計算法（80）
4.6本章小結（80）
第5章測量噪聲相關的多傳感器系統(tǒng)融合估計（81）
5.1引言（81）
5.2系統(tǒng)模型（81）
5.3最優(yōu)融合估計方法（82）
5.3.1相關測量噪聲方差矩陣的解耦（82）
5.3.2集中式融合估計算法（84）
5.3.3分布式融合估計算法（84）
5.3.4仿真實驗（86）
5.4PeiRadman融合估計方法（86）
5.4.1PeiRadman多傳感器信息融合系統(tǒng)的定義（86）
5.4.2PeiRadman融合估計算法（87）
5.4.3仿真實驗（90）
5.5魯棒H∞分解合并融合估計算法（92）
5.5.1系統(tǒng)模型變換及分解合并估計原理（92）
5.5.2魯棒H∞分解合并融合估計算法（93）
5.5.3仿真實驗（95）
5.6本章小結（98）
第6章狀態(tài)融合估計理論在成紙定量估計中的應用（100）
6.1引言（100）
6.2系統(tǒng)正常工作時的狀態(tài)估計（101）
6.3測量傳感器出現(xiàn)故障時的狀態(tài)估計（102）
6.4測量傳感器噪聲相關時的狀態(tài)估計（105）
6.5本章小結（106）
第7章基于多源信息融合的運動姿態(tài)估計（107）
7.1引言（107）
7.2基于自適應參數(shù)機動目標模型的Kalman濾波（107）
7.2.1機動目標模型（107）
7.2.2自適應參數(shù)機動目標模型估計方法（108）
7.3基于四元數(shù)的捷聯(lián)式慣性導航姿態(tài)解算（113）
7.3.1四元數(shù)與捷聯(lián)式慣性導航姿態(tài)矩陣（113）
7.3.2導航參數(shù)的計算（116）
7.3.3初始條件的給定與初始數(shù)據(jù)的計算（119）
7.3.4本節(jié)小結（120）
7.4基于IMU的姿態(tài)估計的應用（121）
7.4.1系統(tǒng)概要（121）
7.4.2通過IMU識別手指姿勢（122）
7.4.3閾值分析（127）
7.4.4控制NAO類人形機器人（128）
7.4.5本節(jié)小結（132）
7.5本章小結（132）
第8章融合RFID與IMU信息的移動機器人室內軌跡估計（133）
8.1引言（133）
8.2基于RFID的移動軌跡估計（133）
8.2.1軌跡估計方法流程圖（133）
8.2.2UKF算法（135）
8.2.3基于可變數(shù)量RFID閱讀器的UKF軌跡估計方法（137）
8.2.4仿真實驗結果（140）
8.2.5本節(jié)小結（142）
8.3基于IMU的移動軌跡估計（142）
8.3.1基于IMU測量數(shù)據(jù)的航位推算（142）
8.3.2仿真實驗結果及誤差分析（144）
8.3.3本節(jié)小結（146）
8.4基于融合機制的信息互補（146）
8.4.1基于多傳感器數(shù)據(jù)融合的軌跡估計算法流程（146）
8.4.2基于多傳感器信息融合軌跡估計方法的仿真研究（148）
8.4.3基于多傳感器信息融合軌跡估計方法的實驗研究（152）
8.4.4本節(jié)小結（160）
8.5本章小結（161）
參考文獻（162）