跟踪和传感器数据融合

本书分为两部分：*部分建立起一个一致的传感器数据融合方法学框架，采用贝叶斯理论，通过将目标状态的时间演化概率模型与传感器内在特性等组合，可从存在缺陷的传感器观测和上下文信息中抽取出感兴趣的目标知识；第二部分基于作者多年的科研实践，面向实际的数据融合系统和问题，讨论传感器高级特性、目标高级属性、地形信息集成，以及传感器优化管理等方面的研究工作。

目录
译者序
序
前言
第1章 传感器数据融合的概念和结构 1
1.1 主题 1
1.1.1 现代发展起源 2
1.1.2 通用技术基础 2
1.1.3 关于信息系统 3
1.2 作为应用科学分支的特征 6
1.2.1 传感器数据融合先驱 6
1.2.2 研究团体组织 9
1.2.3 重要出版平台 9
1.3 从不完整数据到态势图 10
1.3.1 典型方面讨论 10
1.3.2 方法评述 12
1.3.3 一个通用的传感器数据融合系统 12
1.3.4 融合性能度量 14
1.3.5 源于跟踪的态势元素 15
1.3.6 异常检测议题精选 16
1.4 传感器数据融合的未来展望 19
1.4.1 日常生活中的新应用 19
1.4.2 发展大趋势讨论 20
参考文献21
部分 传感器数据融合：方法学框架
第2章 目标和传感器特征描述 27
2.1 状态量举例 27
2.2 目标演化模型 28
2.2.1 Van-Keuk演化模型 29
2.2.2 交互式多模型 29
2.3 传感器似然函数 31
2.3.1 高斯似然函数 32
2.3.2 多传感器似然性 36
2.3.3 歧义数据的似然性 40
2.3.4 组合信号增强 44
2.3.5 扩展目标似然性 45
参考文献 46
第3章 贝叶斯知识传播 49
3.1 贝叶斯跟踪范例 49
3.1.1 特性方面 52
3.1.2 近似性点评 53
3.1.3 航迹与航迹融合 54
3.1.4 航迹起始初探 55
3.2 目标状态预测 55
3.2.1 卡尔曼预测 56
3.2.2 期望波门 56
3.2.3 交互多模型预测 57
3.3 数据更新：滤波 59
3.3.1 卡尔曼滤波 59
3.3.2 交互多模型滤波 60
3.3.3 多假设跟踪滤波 61
3.4 目标状态回溯 65
3.4.1 固定间隔平滑 66
3.4.2 连续时间回溯 67
3.4.3 交互多模型回溯 68
3.4.4 多假设跟踪回溯 70
3.4.5 一个实例讨论 72
参考文献 74
第4章 序贯航迹提取 78
4.1 良好分离的目标 78
4.1.1 序贯似然比检验 78
4.1.2 与跟踪相关的特性 79
4.1.3 与多假设跟踪的关系 80
4.2 群目标 81
4.2.1 广义似然比 81
4.2.2 关于群的势 82
参考文献 82
第5章 递归批处理 83
5.1 累积目标状态密度 83
5.1.1 闭式表达式 84
5.1.2 一般性讨论 86
5.1.3 失序量测 88
5.1.4 范例讨论 89
5.2 采用EM求解跟踪问题 91
5.2.1 数据增广方法 92
5.2.2 期望和化步骤 93
5.2.3 问题讨论 96
参考文献 96
第6章 航迹与航迹融合 98
6.1 全速率通信融合 98
6.1.1 Frenkel小航迹 99
6.1.2 小航迹融合 99
6.2 任意通信速率融合 100
6.2.1 高斯乘积密度 101
6.2.2 分布式滤波更新 102
6.2.3 分布式预测更新 103
6.2.4 分布式回溯更新 106
6.3 仿真例子讨论 108
参考文献 112
第二部分 传感器数据融合：应用精选
第7章 传感器高级特性集成 115
7.1 有限传感器分辨率 115
7.1.1 雷达分辨率模型 116
7.1.2 特定分辨率的似然函数 118
7.1.3 一个编队跟踪示例 121
7.1.4 分辨率：结果小结 123
7.2 GMTI雷达：多普勒盲区 124
7.2.1 空对地监视 125
7.2.2 一种多普勒盲区模型 125
7.2.3 GMTI跟踪要点 130
7.2.4 GMTI建模效果 131
7.3 主瓣干扰 135
7.3.1 对干扰机凹槽建模 135
7.3.2 可选跟踪滤波器 137
7.3.3 仿真结果精选 138
7.4 负传感器信息 139
7.4.1 一个无处不在的概念 139
7.4.2 从例子中得到的经验教训 140
参考文献 141
第8章 目标高级属性集成 143
8.1 MHT跟踪建模历史 143
8.1.1 IMM-MHT跟踪 144
8.1.2 性能评估 145
8.1.3 IMM-MHT：结论 152
8.2 扩展目标跟踪 153
8.2.1 通用形式 154
8.2.2 扩展目标预测 156
8.2.3 扩展目标滤波 158
8.2.4 扩展目标的运动学特征 160
8.2.5 仿真结果 161
8.2.6 结果小结 165
8.3 跟踪和识别 166
参考文献 168
第9章 地形信息集成 170
9.1 道路地图辅助的目标跟踪 170
9.1.1 道路段建模 171
9.1.2 道路约束密度 172
9.1.3 定量讨论 175
9.2 基于目标跟踪的道路地图提取 180
9.2.1 实用价值 181
9.2.2 道路节点重构 181
9.2.3 示例分析 182
9.2.4 小结 187
9.3 辐射源跟踪 188
9.3.1 多路径传播预测 188
9.3.2 粒子滤波方法 189
9.3.3 小结 189
参考文献 191
第10章 反馈到探测：传感器管理 192
10.1 敏捷波束雷达的信息流程 192
10.2 相控阵雷达的传感器建模 194
10.2.1 雷达散射截面抖动 194
10.2.2 平均接收信噪比 195
10.2.3 检测和量测处理 196
10.3 贝叶斯跟踪算法回顾 197
10.3.1 预测：分配决策基础 197
10.3.2 信号强度信息处理 198
10.4 自适应贝叶斯传感器管理 199
10.4.1 雷达回访时间自适应控制 199
10.4.2 雷达发射能量选择 200
10.4.3 贝叶斯局部搜索程序 200
10.5 数值仿真结果讨论 203
10.5.1 仿真剧情讨论 203
10.5.2 IMM建模设计要点 205
10.5.3 IMM建模增益 207
10.5.4 RCS估计质量 208
10.5.5 RCS模型失配 210
10.5.6 自适应能量管理 211
10.6 自适应传感器管理：结果汇总 213
参考文献 214
附录A 216
A.1 缩写词列表 216
A.2 符号列表 216
A.3 概率密度基础知识 218
A.4 分块矩阵求逆公式 221
A.5 高斯乘积公式 221
A.6 矩匹配近似 223
A.7 回溯：依赖性分析 224
A.8 高斯累积状态密度 225
A.9 克罗内克积的相关知识 229
A.10 扩展目标似然性的相关细节 230
A.11 矩阵变量密度的相关知识 230
参考文献 232
彩图