多源多目标统计信息融合

　　《多源多目标统计信息融合》全面介绍了FIssT的基本概念、理论及实现技术，内容新颖，系统性强，理论联系实际，文字深入浅出，反映了近年来信息融合领域的新理论和新方法。

　　目前，国内尚未发现系统介绍FIssT理论及应用的书籍。《多源多目标统计信息融合》可为从事雷达／光电等系统及其信息综合的技术人员解决复杂环境下的目标检测、跟踪与识别等问题提供理论上的指导，也可作为高等院校通信与信息工程、电子技术、计算机应用等相关专业教师和研究生开展研究和教学时的参考教材。计算机科学家、物理学家、数学家以及从事信息融合理论研究的人员也可从本书中获益。

　　范红旗陕西合阳人，2001年清华大学机械工程系获学士学位．2008年国防科技大学获工学博士学位。现为国防科技大学ATR重点实验室讲师，IEEE会员，国防科技大学青年拔尖人才培养对象：主持青年科学基金项目和武器装备预研基金各l项，曾获国家科技进步奖二等奖和省部委级奖励各l项．合作编著《精确制导武器技术应用向导》、《防空反导导弹》等书，发表论文60多篇，博士论文获2011年湖南省优秀博士论文。主要研究领域：目标跟踪、信息融合、实时信号处理等。

第1章 绪论

　1．1本书的目的

　1．2信息融合的主要挑战

　1．3为什么需要随机集或FIssT

　　　1．3．1多目标滤波的复杂性

　　　1．3．2超越启发式

　　　1．3．3单目标与多目标统计学的区别

　　　1．3．4常规数据与模糊数据的区别

　　　1．3．5形式化贝叶斯建模

　　　1．3．6模糊信息建模

　　　1．3．7多源多目标形式化建模

　1．4信息融合中的随机集

　　　1．4．1多目标系统统计学

　　　1．4．2专家系统统计学

　　　1．4．3有限集统计学

　1．5本书的结构

　　　1．5．1第1篇：统一化的单目标多源融合

　　　1．5．2第1I篇：统一化的多目标多源融合

　　　1．5．3第1II篇：多目标滤波的近似方法

　　　1．5．4附录

第1篇 统一化的单目标多源融合

　第2章 单目标滤波

　　2．1本章简介

　　　2．1．1要点概述

　　　2．1．2本章结构

　　2．2卡尔曼滤波器

　　　2．2．1初始化

　　　2．2．2预测器

　　　2．2．3校正器

　　　2．2．4卡尔曼滤波器的推导

　　　2．2．5基于卡尔曼滤波器的观测融合

　　　2．2．6固定增益卡尔曼滤波器

　　2．3卡尔曼滤波器的贝叶斯表示

　　　2．3．1数学预备知识

　　　2．3．2KF的贝叶斯表示：预测器

　　　2．3．3KF的贝叶斯表示：校正器

　　　2．3．4KF的贝叶斯表示：估计

　　2．4单目标贝叶斯滤波器

　　　2．4．1简单实例

　　　2．4．2与卡尔曼滤波器的关系

　　　2．4．3建模

　　　2．4．4形式化贝叶斯建模

　　　2．4．5初始化

　　　2．4．6预测器

　　　2．4．7校正器

　　　2．4．8状态估计

　　　2．4．9误差估计

　　　2．4．10数据融合

　　　2．4．11计算方法

　　2．5实现技术

　　　2．5．1泰勒级数近似：EKF

　　　2．5．2混合高斯近似

　　　2．5．3序贯蒙特卡罗近似

　　2．6本章习题

　第3章 通用的数据建模

　　3．1本章简介

　　　3．1．1要点概述

　　　3．1．2本章结构

　　3．2不确定性建模中的问题

　　3．3数据不确定性建模中的问题

　　3．4例子

　　　3．4．1含有少量不精确性的随机观测

　　　3．4．2含有少量随机性的不精确观测

　　　3．4．3非随机的模糊观测

　　　3．4．4非随机的不确定性观测

　　　3．4．5模糊与随机

第II篇 统一化的多目标多源融合

第III篇 多目标滤波器的近似方法

附录

参考文献