发布时间 : 星期三 文章多传感器数据融合更新完毕开始阅读81312270580216fc700afdfe
多传感器数据融合技术及应用
I
目录
第一章概论 .................................................................... 1
1.1数据融合的目的和应用 ...................................... 1 1.2数据融合的理论基础 .......................................... 1
1.2.1数据融合的基本原理 .................................. 1 1.2.2数据融合的级别 .......................................... 2
第二章状态估计理论 .................................................... 4
2.1估计问题的构成 .................................................. 4 2.2状态估计问题 ..................................................... 4 2.3离散线性系统的最优估计——Kalman滤波技术 ............................................................................... 5 第三章多传感器信息融合系统中的状态估计 ............ 8
3.1引言 ..................................................................... 8 3.2集中式多传感器信息融合系统中的状态估计 .. 8
3.2.1单传感器的状态估计 .................................. 8 3.2.2集中式多传感器状态估计 ........................ 10 3.3分布式多传感器信息融合系统中的状态估计 .11 第四章多传感器概率数据关联算法 .......................... 14
4.1概率数据关联滤波器 ........................................ 14
4.1.1预备知识 .................................................... 14 4.1.2概率数据关联滤波器的基本思想 ............ 15 4.1.3关联概率?i(k)的计算 ............................... 17
II
4.1.4协方差P(k|k)的计算 ................................. 18 4.2多传感器概率数据关联算法 ............................ 20
4.2.1多传感器概率数据关联滤波器 ................ 20
第五章分布式多传感器信息融合中的 ...................... 23
5.1引言 ................................................................... 23 5.2模糊因数集与隶属度函数 ................................ 23
5.2.1模糊因素集 ................................................ 23 5.2.2隶属度函数的选择 .................................... 24 5.3模糊因素的确定与模糊集A的动态分配 ....... 24
5.3.1模糊因素与权向量初值的确定 ................ 24 5.3.2模糊因素权集A的动态分配 .................... 25 5.4模糊航迹关联算法 ............................................ 26
5.4.1模糊航迹关联算法 .................................... 26 5.5多局部节点情况下的模糊关联算法 ................ 27 第六章多传感器多模型概率数据关联算法 .............. 28
6.1多模型算法(Multiple-Model Approach) ......... 28 6.2相互作用多模型—概率数据关联算法 ............ 31 第七章多传感器信息融合系统中的身份估计 .......... 38
7.1基于Bayes统计理论的身份识别 .................... 39 7.2基于D-S证据理论的身份识别 ....................... 39
7.2.1基本理论 .................................................... 39 7.2.2证据理论的组合规则 ................................ 40
III
7.2.3D-S证据理论的身份识别中应用例子 ... 40 7.3基于多级神经网络的类型融合 ........................ 43
7.3.1基于模糊专家规则的传感器子网 ............ 43 7.3.2融合子网 .................................................... 50
IV