轨道交通安全智能融合技术

第1章  信息融合概述
  1.1  信息融合的发展历史与现状
  1.2  多传感器系统的特点与控制结构
  1.3  信息融合的主要方法
    1.3.1  信息融合的主要模型
    1.3.2  信息融合的主要算法
    1.3.3  当前的研究热点
  1.4  信息融合的应用案例
    1.4.1  信息融合在轨道交通领域中的应用
    1.4.2  其他典型的应用
  1.5  信息融合技术的发展前景
第2章  信息融合中的数学基础
  2.1  粗糙集与证据理论
    2.1.1  粗糙集理论基础
    2.1.2  证据理论基础
  2.2  模糊集合理论基础
    2.2.1  多传感器融合数据有效性模糊处理技术
    2.2.2  多传感器融合数据有效性模糊评判实现
  2.3  贝叶斯统计方法
    2.3.1  贝叶斯公式
    2.3.2  先验分布
    2.3.3  贝叶斯估计
    2.3.4  贝叶斯决策
  2.4  H8滤波理论
    2.4.1  H8滤波技术基础
    2.4.2  系统H8控制标准设计问题
    2.4.3  连续系统H8滤波问题的描述
    2.4.4  离散系统H8滤波问题的描述
    2.4.5  H.滤波器同卡尔曼滤波器的比较
  2.5  灰色系统理论
    2.5.1  灰色系统的概念与基本原理
    2.5.2  序列算子与灰色序列生成
    2.5.3  灰色系统预测
第3章  信息融合系统功能和结构模型
  3.1  概述
  3.2  信息融合系统的功能模型
  3.3  信息融合系统的结构模型
    3.3.1  检测级融合
    3.3.2  位置级融合
    3.3.3  态势评估
    3.3.4  威胁估计
  3.4  信息融合的级别
  3.5  信息融合系统的通用处理结构
  3.6  信息融合的六级功能分类模型
第4章  信息融合的数据支持
  4.1  多传感器信息融合时的数据准备
    4.1.1  预处理
    4.1.2  修正系统误差
    4.1.3  坐标变换或空间配准
    4.1.4  时间同步或对准
    4.1.5  量纲对准
  4.2  数据关联
  4.3  数据关联的过程和步骤
    4.3.1  多传感器数据关联
    4.3.2  数据关联过程
    4.3.3  数据关联的一般步骤
  4.4  数据关联的方法
  4.5  多传感器联合概率数据关联
    4.5.1  概率数据关联滤波器
    4.5.2  多传感器概率数据关联算法
第5章  基于统计的信息融合
  5.1  参数估计的基本概念与方法
    5.1.1  参数估计的基本概念
    5.1.2  估计问题
    5.1.3  估计的偏差和无偏性
    5.1.4  估计的方差和克拉美-劳不等式
    5.1.5  估计的有效性
    5.1.6  充分估计
    5.1.7  估计的一致性
    5.1.8  估计的其他性质
  5.2  总体参数的点估计
    5.2.1  矩估计
    5.2.2  极大似然估计
    5.2.3  点估计的评价标准
  5.3  正态总体均值的区间估计
    5.3.1  总体参数区间估计的概念和基本思想
    5.3.2  单正态总体均值的区间估计
    5.3.3  两正态总体均值之差的区间估计
    5.3.4  单侧区间估计问题
  5.4  一般总体均值和成数的大样本区间估计
    5.4.1  非正态总体均值的大样本区间估计
    5.4.2  总体成数(比例)的大样本区间估计
    5.4.3  单侧区间估计
  5.5  正态总体方差的区间估计
    5.5.l  单正态总体方差的区间估计
    5.5.2  两正态总体方差之比的区间估计
  5.6  样本容量的确定
    5.6.1  总体均值估计的必要样本容量
    5.6.2  总体成数估计的必要样本容量
  5.7  信息融合方法
    5.7.1  贝叶斯信息融合方法
    5.7.2  模糊信息融合方法
    5.7.3  神经网络信息融合方法
    5.7.4  D-S证据理论信息融合方法
第6章  目标跟踪融合
  6.1  概述
    6.1.1  目标检测跟踪的含义
    6.1.2  信息获取技术
    6.1.3  基本概念与术语
    6.1.4  目标探测与识别的信息链
    6.1.5  目标检测方法的基本概念
    6.1.6  目标跟踪方法涉及的基本问题
  6.2  运动跟踪
    6.2.1  卡尔曼滤波
    6.2.2  基于预测的运动跟踪
  6.3  多传感器多模型概率数据关联算法
    6.3.1  多模型算法
    6.3.2  相互作用多模型一概率数据关联算法
    6.3.3  多传感器多模型一概率数据关联滤波器
  6.4  基于交互式多模型方法的目标跟踪
    6.4.1  目标建模
    6.4.2  交互多模算法原理
    6.4.3  案例分析
第7章  城市轨道交通的信息融合技术
  7.1  概述
  7.2  城市轨道交通的综合监控系统
    7.2.1  综合监控系统的技术现状
    7.2.2  综合监控系统的技术发展方向
    7.2.3  新一代城市轨道交通综合信息管理系统
  7.3  城市轨道交通的列车定位技术
    7.3.1  轨旁定位技术
    7.3.2  车载列车定位技术
    7.3.3  基于多传感器融合的列车测速定位方法
  7.4  多传感器信息融合技术下的轨道交通车站设备故障诊断
    7.4.1  轨道交通车站设备
    7.4.2  多传感器信息融合技术在故障诊断中的应用
  7.5  信息融合技术下的地铁中央空调风机故障诊断
    7.5.1  神经网络信息融合故障诊断技术
    7.5.2  信息融合技术在故障诊断中的应用
    7.5.3  地铁中央空调风机故障诊断系统建立
  7.6  基于数据融合的城市轨道交通线网指挥中心综合信息平台
    7.6.1  网络化运营需求分析
    7.6.2  线网指挥中心综合信息平台的构建
    7.6.3  综合信息平台的关键技术
第8章  铁道车辆的信息融合技术
  8.1  概述
  8.2  车辆定位系统的信息融合技术
    8.2.1  GPS航位推算系统
    8.2.2  DAB—GSM融合定位系统
    8.2.3  CPS／DD／MM组合定位系统
  8.3  铁路5T系统的信息融合技术
    8.3.1  5T系统简介
    8.3.2  5T数据接入和信息融合设计
  8.4  高速列车远程诊断与虚拟维护系统的信息融合技术
    8.4.1  系统概述
    8.4.2  技术方案
    8.4.3  系统建立与主要功能
参考文献