描述
开 本: 16开纸 张: 胶版纸包 装: 精装是否套装: 否国际标准书号ISBN: 9787568036610丛书名: 智能制造与机器人理论及技术研究丛书
目录
第1章绪论（1）
1.1引言（1）
1.2信息融合系统结构（2）
1.3信息融合技术的基本理论（3）
1.3.1信息融合的基本数学方法（3）
1.3.2信号级融合（4）
1.3.3特征级融合（6）
1.3.4决策级融合（7）
1.3.5信息融合系统中的传感器管理（7）
1.4信息融合技术的应用（8）
1.4.1军事领域（8）
1.4.2民用、工业及经济领域（8）
1.4.3机器人及智能交通（8）
1.4.4防火（9）
1.4.5地球科学（9）
1.4.6疾病诊断（9）
1.4.7其他（10）
1.5研究现状（10）
1.5.1检测级融合（10）
1.5.2数据互联（12）
1.5.3状态融合估计（14）
1.5.4特征级融合及决策级融合（16）
1.5.5传感器管理（17）
第2章多传感器信息融合估计理论基础（19）
2.1引言（19）
2.2融合估计算法（20）
2.2.1测量数据融合算法（22）
2.2.2两种测量数据融合方法的性能分析（23）
2.2.3tracktotrack融合估计算法（31）
2.2.4分布式融合估计算法（34）
多传感器信息融合估计理论及其在智能制造中的应用目录2.3分布式不相关优化融合估计（36）
2.3.1估计协方差Pij的消除（37）
2.3.2分布式不相关优化融合估计算法基本形式及其性能（39）
2.3.3稳态分布式不相关优化融合估计（41）
2.3.4仿真实验（41）
2.3.5本节小结（44）
2.4融合估计的方差性能研究（45）
2.4.1方差性能函数的定义（45）
2.4.2方差性能函数与融合估计方差的关系（45）
2.4.3讨论（47）
2.4.4仿真实验（48）
2.4.5本节小结（50）
第3章参数不确定多传感器系统的融合估计（51）
3.1引言（51）
3.2参数不确定多传感器信息融合系统模型（52）
3.2.1范数有界不确定模型（52）
3.2.2多胞型不确定模型（53）
3.3集中式鲁棒H∞融合估计（54）
3.3.1问题描述（54）
3.3.2基于范数有界不确定描述模型的集中式融合估计（54）
3.3.3基于多胞型不确定描述模型的集中式融合估计（60）
3.3.4仿真实验与性能分析（63）
3.4分布式鲁棒H∞融合估计（68）
3.4.1问题描述（68）
3.4.2分布式鲁棒H∞融合估计方法（68）
3.4.3仿真实验（70）
3.5本章小结（73）
第4章非标准多传感器系统的融合估计（74）
4.1引言（74）
4.2系统模型（74）
4.3单传感器状态估计（75）
4.4融合估计（76）
4.4.1集中式融合估计算法（76）
4.4.2分布式融合估计算法（77）
4.5多级式融合估计（77）
4.5.1多级式多传感器系统模型（77）
4.5.2集集式融合估计算法（78）
4.5.3分分式融合估计算法（79）
4.5.4集分式融合估计算法（80）
4.6本章小结（80）
第5章测量噪声相关的多传感器系统融合估计（81）
5.1引言（81）
5.2系统模型（81）
5.3融合估计方法（82）
5.3.1相关测量噪声方差矩阵的解耦（82）
5.3.2集中式融合估计算法（84）
5.3.3分布式融合估计算法（84）
5.3.4仿真实验（86）
5.4PeiRadman融合估计方法（86）
5.4.1PeiRadman多传感器信息融合系统的定义（86）
5.4.2PeiRadman融合估计算法（87）
5.4.3仿真实验（90）
5.5鲁棒H∞分解合并融合估计算法（92）
5.5.1系统模型变换及分解合并估计原理（92）
5.5.2鲁棒H∞分解合并融合估计算法（93）
5.5.3仿真实验（95）
5.6本章小结（98）
第6章状态融合估计理论在成纸定量估计中的应用（100）
6.1引言（100）
6.2系统正常工作时的状态估计（101）
6.3测量传感器出现故障时的状态估计（102）
6.4测量传感器噪声相关时的状态估计（105）
6.5本章小结（106）
第7章基于多源信息融合的运动姿态估计（107）
7.1引言（107）
7.2基于自适应参数机动目标模型的Kalman滤波（107）
7.2.1机动目标模型（107）
7.2.2自适应参数机动目标模型估计方法（108）
7.3基于四元数的捷联式惯性导航姿态解算（113）
7.3.1四元数与捷联式惯性导航姿态矩阵（113）
7.3.2导航参数的计算（116）
7.3.3初始条件的给定与初始数据的计算（119）
7.3.4本节小结（120）
7.4基于IMU的姿态估计的应用（121）
7.4.1系统概要（121）
7.4.2通过IMU识别手指姿势（122）
7.4.3阈值分析（127）
7.4.4控制NAO类人形机器人（128）
7.4.5本节小结（132）
7.5本章小结（132）
第8章融合RFID与IMU信息的移动机器人室内轨迹估计（133）
8.1引言（133）
8.2基于RFID的移动轨迹估计（133）
8.2.1轨迹估计方法流程图（133）
8.2.2UKF算法（135）
8.2.3基于可变数量RFID阅读器的UKF轨迹估计方法（137）
8.2.4仿真实验结果（140）
8.2.5本节小结（142）
8.3基于IMU的移动轨迹估计（142）
8.3.1基于IMU测量数据的航位推算（142）
8.3.2仿真实验结果及误差分析（144）
8.3.3本节小结（146）
8.4基于融合机制的信息互补（146）
8.4.1基于多传感器数据融合的轨迹估计算法流程（146）
8.4.2基于多传感器信息融合轨迹估计方法的仿真研究（148）
8.4.3基于多传感器信息融合轨迹估计方法的实验研究（152）
8.4.4本节小结（160）
8.5本章小结（161）
参考文献（162）
多传感器信息融合技术，也称多源信息融合技术、多传感器数据融合技术，是在20世纪80年代诞生的信息处理技术。目前，它已发展成为一个十分活跃的热门研究领域，是多学科、多部门、多领域所共同关心的高层次共性关键技术。各国学者在不同应用领域进行研究，目前还没有统一的准确定义，也未形成完整的理论体系。人们普遍接受的定义是：信息融合是对来自不同信息源的信息进行处理，以获得更高质量的信息。其实，多源信息处理的概念并不陌生，它是人类和动物的一项基本功能，也是人类智能活动的一部分。例如，人类可以综合利用身体的多种器官（如眼、耳、鼻、皮肤等）获得信息，准确识别周围环境和事件，同时做出分析、判断和决策。
随着自动化、智能化的发展，在工业、军事等领域，系统所包含传感器种类和数量越来越多。每种传感器都有一定的特点，往往只能在某一范围内、从某一方面精确描述被测对象，若受到外界噪声的干扰，有时还可能产生较大的测量误差，因此没有一种传感器可以保证在任何时候都能提供全面准确的信息。多传感器信息融合就是综合利用各个传感器的信息，克服单个传感器的不确定和局限性，提高整个传感器系统的有效性能，全面准确地描述被测对象。
本书包含国家自然科学基金项目（61673002）的部分研究成果，以多传感器信息融合系统为主要介绍对象，内容包含多传感器信息融合估计理论基础、参数不确定系统中的状态融合方法，以及非标准及测量噪声相关的多传感器系统优融合估计及状态融合估计理论在成纸定量估计、移动机器人位姿计算中的应用。
本书可供自动化、电子信息、计算机应用、控制科学与工程、信号处理、机械制造等相关专业师生以及相关领域的工程技术人员和研究人员参考。
本书由北京工商大学金学波、苏婷立撰写。在撰写过程中，还参考了许多文献资料，在此表示衷心的感谢。另外，由于多传感器信息融合系统发展迅速，书中定有不少不足之处，恳请广大读者批评指正。
作者
2018年9月
评论
还没有评论。