多傳感器數(shù)據(jù)融合及其應(yīng)用

第1章  多傳感器數(shù)據(jù)融合概述
  1.1  引言
  1.1.1  概況
  1.1.2  雷達(dá)信息處理系統(tǒng)的發(fā)展過(guò)程
  1.1.3  數(shù)據(jù)融合系統(tǒng)中的主要傳感器
  1.1.4  數(shù)據(jù)融合的應(yīng)用領(lǐng)域
  1.2  數(shù)據(jù)融合的定義和通用模型
  1.2.1  數(shù)據(jù)融合的定義
  1.2.2  數(shù)據(jù)融合的通用模型
  1.2.3  傳感器組成及描述
  1.3  數(shù)據(jù)融合的重要性和潛在能力
  1.4  數(shù)據(jù)融合的分類(lèi)
  1.4.1  像素級(jí)融合
  1.4.2  特征級(jí)融合
  1.4.3  決策級(jí)融合
  1.5  數(shù)據(jù)融合技術(shù)
  1.6  數(shù)據(jù)融合的主要內(nèi)容
第2章  狀態(tài)估計(jì)
  2.1  卡爾曼濾波器
  2.1.1  用數(shù)字濾波器作為估值器
  2.1.2  線(xiàn)性均方估計(jì)
  2.1.3  最優(yōu)遞歸估值器——標(biāo)量卡爾曼濾波器
  2.1.4  向量卡爾曼濾波器
  2.1.5  擴(kuò)展卡爾曼濾波器
  2.1.6  卡爾曼濾波器在雷達(dá)跟蹤中的應(yīng)用
  2.1.7  擴(kuò)展卡爾曼濾波器在目標(biāo)跟蹤和衛(wèi)星軌道確定方面的應(yīng)用·.
  2.1.8  目標(biāo)機(jī)動(dòng)檢測(cè).”
  2.1.9  自適應(yīng)卡爾曼濾波器
  2.2  常系數(shù)α-β和α-β-γ濾波器
  2.2.1  目標(biāo)運(yùn)動(dòng)模型
  2.2.2  常系數(shù)α-β和α-β-γ濾波器
  2.2.3  常系數(shù)α-β和α-β-γ濾波器的系數(shù)
  2.2.4  變系數(shù)α-β和α-β-γ濾波器的系數(shù)
  2.2.5  組合濾波器
  2.3  自適應(yīng)濾波器
  2.3.1  目標(biāo)運(yùn)動(dòng)方程和觀測(cè)方程
  2.3.2  自適應(yīng)系數(shù)的獲取
  2.3.3  濾波算法
  2.3.4  獲取α（κ）和α（κ）的局部方差方法
第3章  數(shù)據(jù)關(guān)聯(lián)及其數(shù)據(jù)準(zhǔn)備
  3.1  多傳感器數(shù)據(jù)關(guān)聯(lián)時(shí)的數(shù)據(jù)準(zhǔn)備
  3.1.1  對(duì)雷達(dá)信號(hào)處理的要求
  3.1.2  預(yù)處理
  3.1.3  修正系統(tǒng)誤差
  3.I.4  坐標(biāo)變換或空間對(duì)準(zhǔn)
  3.I.5  時(shí)間同步或?qū)?zhǔn)
  3.1.6  量綱對(duì)準(zhǔn)
  3.2  數(shù)據(jù)關(guān)聯(lián)
  3.2.1  數(shù)據(jù)關(guān)聯(lián)舉例
  3.2.2  數(shù)據(jù)關(guān)聯(lián)過(guò)程
  3.2.3  數(shù)據(jù)關(guān)聯(lián)的一般步驟
  3.3  狀態(tài)關(guān)聯(lián)及關(guān)聯(lián)門(mén)的應(yīng)用
  3.3.1  位置關(guān)聯(lián)及關(guān)聯(lián)門(mén)
  3.3.2  位置一速度關(guān)聯(lián)
  3.3.3  編批目標(biāo)的關(guān)聯(lián)
  3.4  關(guān)聯(lián)門(mén)的選擇
  3.4.1  關(guān)聯(lián)門(mén)的形狀
  3.4.2  關(guān)聯(lián)門(mén)的類(lèi)型
  3.4.3  關(guān)聯(lián)門(mén)的尺寸
  3.5  各種數(shù)據(jù)關(guān)聯(lián)方法
  3.5.1  最鄰近數(shù)據(jù)關(guān)聯(lián)(NNDA)
  3.5.2  概率數(shù)據(jù)關(guān)聯(lián)(PDA)
  3.5.3  聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)
  3.5.4  交互多模型法(1MM)
  3.5.5  全局最鄰近數(shù)據(jù)關(guān)聯(lián)
  3.5.6  簡(jiǎn)易聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(CJPDA)
  3.5. 7  模糊數(shù)據(jù)關(guān)聯(lián)(FDA)
  3.5；8  準(zhǔn)最佳聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(SJPDA)
  3.5.9  最鄰近聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(NNJPDA)
  3.5.10  “全鄰”最優(yōu)濾波法—
  3.5.11  多假設(shè)法(MHT)
  3.5.12  航跡分裂法
  3.5.13  最大似然數(shù)據(jù)關(guān)聯(lián)(MLDA)—
  3.6  用實(shí)際雷達(dá)數(shù)據(jù)對(duì)某些關(guān)聯(lián)方法的評(píng)價(jià)
第4章  航跡及其融合
  4.1  引言
  4.2  航跡管理
  4.2.1  邏輯法
  4.2.2  記分法
  4.3  航跡的初始化算法
  4.3.1  兩點(diǎn)外推
  4.3.2  三點(diǎn)加速外推
  4.4  航跡關(guān)聯(lián)
  4.4.1  統(tǒng)計(jì)關(guān)聯(lián)方法
  4.4.2  模糊關(guān)聯(lián)方法
  4.5  航跡融合
  4.5.1  航跡融合結(jié)構(gòu)
  4.5.2  航跡融合中的相關(guān)估計(jì)誤差問(wèn)題
  4.5.3  航跡狀態(tài)估計(jì)融合
  4.5.4  模糊航跡融合  
  4.5.5  利用偽點(diǎn)跡的航跡融合方法，
  4.5.6  信息去相關(guān)算法
第5章  身份融合
  5.1  引言—
  5.2  身份融合算法的分類(lèi)
  5.3  特征及其提取
  5.3.1  圖像特征
  5.3.2  信號(hào)數(shù)據(jù)特征
  5.4  身份識(shí)別
  5.5  識(shí)別技術(shù)概述
  5.5.1  相似性系數(shù)法
  5.5.2  統(tǒng)計(jì)模式識(shí)別技術(shù)
  5.5.3  神經(jīng)網(wǎng)絡(luò)技術(shù)
  5.5.4  參數(shù)模板法
  5.5.5  聚類(lèi)分析技術(shù)
  5.5.6  物理模型
  5.5.7  基于知識(shí)的方法
  5.6  身份融合算法
  5.6.1  經(jīng)典推理
  5.6.2  Bayes推理
  5.6.3  Dempster—Shafer證據(jù)推理方法
  5.6.4  身份信息融合的最佳方法
第6章  態(tài)勢(shì)評(píng)估與威脅評(píng)估
  6.1  態(tài)勢(shì)評(píng)估
  6.1.1  態(tài)勢(shì)評(píng)估的定義
  6.1.2  態(tài)勢(shì)評(píng)估元素
  6.1.3  態(tài)勢(shì)評(píng)估包含的主要內(nèi)容
  6.1.4  態(tài)勢(shì)評(píng)估的特點(diǎn)
  6.1.5  態(tài)勢(shì)顯示
  6.2  威脅評(píng)估
  6.2.1  威脅評(píng)估的定義
  6.2.2  威脅評(píng)估元素
  6.2.3  威脅評(píng)估的主要內(nèi)容
  6.3  態(tài)勢(shì)評(píng)估和威脅評(píng)估的實(shí)現(xiàn)方法
  6.3.1  態(tài)勢(shì)評(píng)估和威脅評(píng)估的主要特點(diǎn)
  6.3.2  用于STA的主要技術(shù)
第7章  C³I系統(tǒng)中常用傳感器概述
  7.1  引言
  7.2  常用傳感器
  7.2.1  動(dòng)目標(biāo)顯示／檢測(cè)雷達(dá)
  7.2.2  脈沖多普勒雷達(dá)(PD)
  7.2.3  連續(xù)波雷達(dá)(CW)
  7.2.4  電子情報(bào)接收機(jī)(ELINT)／電子支援測(cè)量(ESM)
  7.2.5  二次監(jiān)視雷達(dá)(SSR)／IFF／IFFN系統(tǒng)
  7.2.6  毫米波雷達(dá)
  7.2.7  聲納
  7.2.8  紅外傳感器(1R)
附錄A  坐標(biāo)系的變換
附錄B  名詞與縮略語(yǔ)
參考文獻(xiàn)