分布式信息融合――理論與方法

第1章 信息融合及其分布式發(fā)展概述

1.1 信息融合技術(shù)發(fā)展沿革

1.2 數(shù)據(jù)融合模型的概要分類

1.3 JDL數(shù)據(jù)融合過程模型

1.3.1　JDL數(shù)據(jù)融合結(jié)構(gòu)模型

1.3.2　JDL頂層融合模型的演變

1.3.3　JDL融合頂層模型的主要功能

1.4 Endsley態(tài)勢(shì)感知模型 

1.5 影響信息融合學(xué)科發(fā)展的相關(guān)動(dòng)向

1.6 信息時(shí)代對(duì)分布式信息融合的需求

1.7 分布式融合面臨的主要挑戰(zhàn)

參考文獻(xiàn)

第2章 面向網(wǎng)絡(luò)中心戰(zhàn)的分布式信息融合

2.1 網(wǎng)絡(luò)中心戰(zhàn)（NCW）的概念及背景

2.1.1　新軍事變革與聯(lián)合作戰(zhàn)

2.1.2　新軍事變革與信息化

2.1.3　新軍事變革與網(wǎng)絡(luò)中心戰(zhàn) 

2.2 網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的信息價(jià)值

2.2.1　網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的信息價(jià)值概念

2.2.2　網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的價(jià)值鏈

2.2.3　最優(yōu)行動(dòng)的期望效用

2.3 網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的認(rèn)知問題

2.3.1　認(rèn)知的概念

2.3.2　認(rèn)知的本質(zhì)和過程

2.4 網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的自組織和自同步 

2.4.1　網(wǎng)絡(luò)中心戰(zhàn)（NCW）的主要特征

2.4.2　自組織的概念和效用

2.4.3　自同步的概念和效用

2.5 分布式信息融合在網(wǎng)絡(luò)中心戰(zhàn)（NCW）中的作用

2.5.1　分布式網(wǎng)絡(luò)中心戰(zhàn)（NCW）與分布式信息融合

2.5.2　信息融合對(duì)網(wǎng)絡(luò)中心戰(zhàn)（NCW）價(jià)值鏈的貢獻(xiàn)

2.5.3　信息融合在網(wǎng)絡(luò)中心戰(zhàn)（NCW）認(rèn)知中的作用

2.5.4　信息融合在網(wǎng)絡(luò)中心戰(zhàn)（NCW）指揮控制中的作用

2.6 分布式信息融合中的挑戰(zhàn)性問題 

參考文獻(xiàn)

第3章　分布式信息融合中的新概念和新方法

3.1 引言

3.2 分布式信息融合概念與問題概述 

3.3 控制相關(guān)信息融合誤差的有界協(xié)方差增長(zhǎng)方法

3.3.1　有界協(xié)方差增長(zhǎng)控制方法的概念和應(yīng)用背景

3.3.2　BCI模型

3.3.3　分散式目標(biāo)跟蹤誤差分析案例

3.4 傳感器協(xié)同方法

3.4.1　極大和算法模型

3.4.2　極大和算法約束條件與模型求解

3.4.3　基于極大和算法的多傳感器協(xié)同跟蹤案例

3.5 自利平臺(tái)的優(yōu)化協(xié)調(diào)方法

3.5.1　概念與背景

3.5.2　目標(biāo)跟蹤中的多代理協(xié)調(diào)問題

3.5.3　目標(biāo)跟蹤MAS模型的效用評(píng)價(jià)函數(shù)

3.5.4　考慮信道衰減的信息多級(jí)最優(yōu)傳輸路徑

3.5.5　基于拍賣機(jī)制的網(wǎng)絡(luò)帶寬優(yōu)化分配

3.5.6　仿真案例

3.6 合作對(duì)象信用估計(jì)

3.6.1　合同的期望效用與協(xié)方差的概念

3.6.2　基于獨(dú)立貝塔分布的合同信用估計(jì)

3.6.3　基于卡爾曼濾波的異類服務(wù)合同信用估計(jì)

3.6.4　合同信用模型仿真驗(yàn)證案例

3.7 基于人—代理集合體（HAC）的分布式信息融合

3.7.1　問題的提出

3.7.2　人—代理集合體（HAC）中的用戶精煉

3.7.3　人—代理集合體（HAC）中的用戶控制與管理

3.7.4　用戶在人—代理集合體（HAC）系統(tǒng)評(píng)估中的作用 

3.7.5　人—代理集合體（HAC）設(shè)計(jì)中的挑戰(zhàn)與機(jī)遇

3.8 本章小結(jié)

參考文獻(xiàn)

第4章　分布式融合結(jié)構(gòu)與估計(jì)算法

4.1 引言

4.2 分布式信息融合結(jié)構(gòu)

4.2.1　融合結(jié)構(gòu)的依賴因素

4.2.2　融合結(jié)構(gòu)與依賴因素之間的關(guān)系

4.2.3　分布式融合結(jié)構(gòu)的選擇基準(zhǔn)

4.2.4　分布式融合結(jié)構(gòu)分類

4.3 分布式融合信息圖

4.3.1　單連接信息圖

4.3.2　無反饋層次融合的多連接信息圖及連接轉(zhuǎn)換

4.3.3　有反饋層次融合信息圖及連接轉(zhuǎn)換

4.3.4　對(duì)等式分布融合信息圖及連接轉(zhuǎn)換

4.4 分布式估計(jì)算法

4.4.1　分布式估計(jì)概述

4.4.2　貝葉斯分布估計(jì)中的重復(fù)信息去除原理

4.4.3　最優(yōu)貝葉斯分布融合算法

4.4.4　次優(yōu)貝葉斯分布融合算法

4.4.5　高斯分布或帶有誤差協(xié)方差估計(jì)的全局估計(jì)

4.5 目標(biāo)跟蹤中的分布式估計(jì)

4.5.1　問題描述

4.5.2　確定性動(dòng)態(tài)過程

4.5.3　非確定性動(dòng)態(tài)過程

4.6 對(duì)象分類識(shí)別的分布式估計(jì)

4.6.1　對(duì)象分類的分布式識(shí)別結(jié)構(gòu)

4.6.2　對(duì)象分類的分布式識(shí)別算法

4.7 本章小結(jié)

參考文獻(xiàn)

第5章 多傳感器分布式目標(biāo)檢測(cè)

5.1 分布式檢測(cè)問題描述

5.1.1 集中式與分布式檢測(cè)

5.1.2 分布式檢測(cè)結(jié)構(gòu)與模型

5.2 基于LRT的分布式檢測(cè)方法 

5.2.1 貝葉斯分布式檢測(cè)

5.2.2 基于LRT的奈曼—皮爾遜檢測(cè)方法

5.2.3 基于LRT的融合檢測(cè)邏輯設(shè)計(jì)

5.3 基于計(jì)數(shù)表決規(guī)則的WSN檢測(cè)方法

5.3.1 計(jì)數(shù)表決檢測(cè)方法

5.3.2 多傳感器全局表決檢測(cè)準(zhǔn)則

5.3.3 不同性能傳感器的全局表決檢測(cè)通用模型

5.3.4 同類傳感器表決檢測(cè)通用模型

5.4 基于虛發(fā)現(xiàn)率的分布式檢測(cè)門限控制

5.4.1 統(tǒng)計(jì)學(xué)中的多比較問題

5.4.2 基于FDR局部門限控制的全局優(yōu)化檢測(cè)算法

5.4.3 基于FDR的分布式檢測(cè)系統(tǒng)設(shè)計(jì)

5.5 相關(guān)情況的分布式檢測(cè)

5.5.1 基于相關(guān)觀測(cè)的最優(yōu)分布式檢測(cè)研究現(xiàn)狀 

5.5.2 基于相關(guān)局部判定的最優(yōu)分布式檢測(cè)研究現(xiàn)狀

5.5.3 進(jìn)一步說明

5.6 非理想通信信道下的分布式檢測(cè)

5.6.1 概念與模型

5.6.2 考慮信道衰減的分布式檢測(cè)規(guī)則

5.6.3 基于部分信道狀態(tài)的分布式檢測(cè)

5.6.4 具有非信道狀態(tài)信息的分布式檢測(cè)

5.7 本章小結(jié)

參考文獻(xiàn)

第6章 航跡融合與航跡關(guān)聯(lián)——分布式多目標(biāo)跟蹤要點(diǎn)

6.1 引言

6.2 航跡融合的概念與模型

6.2.1　目標(biāo)動(dòng)態(tài)與觀測(cè)模型

6.2.2　一次航跡融合的概念

6.2.3　反復(fù)航跡融合的概念

6.3 一次航跡融合準(zhǔn)則

6.3.1　一次航跡融合狀態(tài)估計(jì)及其協(xié)方差

6.3.2　融合準(zhǔn)則

6.3.3　航跡融合準(zhǔn)則性能評(píng)估基準(zhǔn)

6.4 一次航跡融合準(zhǔn)則性能評(píng)估案例

6.4.1　案例劇情模型

6.4.2　追加傳感器情況仿真案例

6.4.3　互補(bǔ)傳感器情況仿真案例

6.5 目標(biāo)連續(xù)跟蹤中的反復(fù)航跡融合

6.5.1　反復(fù)航跡融合結(jié)構(gòu)與分類

6.5.2　不帶反饋的反復(fù)航跡融合 

6.5.3　帶反饋的反復(fù)航跡融合

6.6 分布式航跡關(guān)聯(lián)

6.6.1　航跡關(guān)聯(lián)的基本假設(shè)與評(píng)估函數(shù)

6.6.2　航跡關(guān)聯(lián)度量指標(biāo)及其計(jì)算

6.6.3　航跡關(guān)聯(lián)度量指標(biāo)比較仿真案例

6.7 本章小結(jié)

參考文獻(xiàn)

第7章　分布式目標(biāo)分類識(shí)別

7.1 目標(biāo)分類的概念與應(yīng)用需求

7.2 目標(biāo)分類/識(shí)別方法

7.2.1　基于不確定性的目標(biāo)分類/識(shí)別方法

7.2.2　目標(biāo)分類/識(shí)別的基本步驟

7.2.3　分布式目標(biāo)分類識(shí)別方法的特點(diǎn)

7.2.4　目標(biāo)類別與識(shí)別特征的關(guān)系

7.3 目標(biāo)分類方法的基本類型

7.3.1　“產(chǎn)生”型目標(biāo)分類識(shí)別方法

7.3.2　“差異”型目標(biāo)分類識(shí)別方法

7.3.3　混合型目標(biāo)分類識(shí)別方法

7.4 多級(jí)目標(biāo)分類識(shí)別結(jié)構(gòu)

7.5 分布式目標(biāo)分類識(shí)別中的新問題 

7.5.1　顯式重復(fù)計(jì)算

7.5.2　隱式重復(fù)計(jì)算

7.5.3　采用硬說明的傳統(tǒng)融合識(shí)別系統(tǒng)

7.5.4　混合不確定性表示

7.6 基于局部分類器的全局融合識(shí)別 

7.6.1　多分類器融合技術(shù)的分類

7.6.2　分類器組合方法

7.7 最優(yōu)分布式貝葉斯目標(biāo)分類方法 

7.7.1　集中式目標(biāo)分類算法

7.7.2　分布式目標(biāo)分類算法

7.7.3　分布式目標(biāo)分類識(shí)別系統(tǒng)的通信策略

7.8 分布式目標(biāo)分類識(shí)別算法比較

7.8.1　目標(biāo)分類識(shí)別算法性能仿真與評(píng)估方法

7.8.2　目標(biāo)分類融合識(shí)別算法仿真比較

7.9 本章小結(jié)

參考文獻(xiàn)

第8章　多傳感器一致性數(shù)據(jù)融合

8.1　引言

8.2　基于分位數(shù)的離異值剔除方法

8.2.1 一維情形

8.2.2 多維情形

8.3　基于模糊集理論的多傳感器一致性數(shù)據(jù)融合

8.4　基于統(tǒng)計(jì)距離矩陣特征值的一致性數(shù)據(jù)融合

8.5　基于置信距離的多傳感器一致性數(shù)據(jù)融合

8.5.1 一維情形的置信距離

8.5.2 多維情形的置信距離

8.5.3 基于置信距離的一致性數(shù)據(jù)融合方法 

8.6　基于測(cè)量精度分級(jí)的多傳感器一致性數(shù)據(jù)融合

8.6.1 兩個(gè)傳感器測(cè)量數(shù)據(jù)偏差的概率比較

8.6.2 兩傳感器融合偏差與傳感器測(cè)量偏差的概率比較

8.6.3 基于精度分級(jí)的多傳感器一致性數(shù)據(jù)融合實(shí)現(xiàn)方法

8.6.4 計(jì)算案例

8.7　本章小結(jié)

參考文獻(xiàn)

第9章 分布式信息融合發(fā)展的理論基礎(chǔ)

9.1 引言

9.2 單目標(biāo)分布式融合概述

9.2.1 單目標(biāo)貝葉斯濾波

9.2.2 獨(dú)立數(shù)據(jù)源的T2F

9.2.3 非獨(dú)立數(shù)據(jù)源的T2F

9.2.4 協(xié)方差交集（CI）航跡融合

9.2.5 指數(shù)混合（XM）融合

9.3 基于有限集統(tǒng)計(jì)學(xué)的多目標(biāo)濾波方法

9.3.1 多傳感器多目標(biāo)遞推貝葉斯濾波

9.3.2 多目標(biāo)隨機(jī)分布的計(jì)算方法

9.3.3 概率假設(shè)密度（PHD）濾波

9.3.4 基數(shù)概率假設(shè)密度（CPHD）濾波

9.3.5 基于隨機(jī)集的濾波技術(shù)應(yīng)用近況

9.4 基于單目標(biāo)融合擴(kuò)展的多目標(biāo)分布式融合

9.4.1 獨(dú)立數(shù)據(jù)源的多目標(biāo)T2F

9.4.2 非獨(dú)立數(shù)據(jù)源的多目標(biāo)T2F

9.4.3 多目標(biāo)指數(shù)混合（XM）融合

9.5 基于CPHD/PHD濾波的多目標(biāo)航跡融合公式

9.5.1 基于CPHD濾波的獨(dú)立跟蹤源T2F公式

9.5.2 基于PHD濾波的獨(dú)立跟蹤源T2F公式 

9.5.3 基于CPHD濾波和PHD濾波的相關(guān)跟蹤源T2F公式

9.5.4 基于CPHD濾波的多目標(biāo)分布密度的指數(shù)混合（XM）融合近似

9.5.5 基于PHD濾波的多目標(biāo)分布密度的指數(shù)混合（XM）融合近似

9.6 基于CPHD濾波和PHD濾波的多目標(biāo)T2F實(shí)現(xiàn)案例

9.6.1 基于CPHD/PHD濾波的多目標(biāo)T2F公式實(shí)現(xiàn)

9.6.2 多目標(biāo)指數(shù)混合（XM）T2F近似公式的計(jì)算實(shí)現(xiàn)

9.7 本章小結(jié)

參考文獻(xiàn)

第10章　分布式環(huán)境中的威脅估計(jì)

10.1　威脅估計(jì)基本概念

10.1.1　威脅與威脅對(duì)象

10.1.2　威脅估計(jì)概念

10.1.3　威脅估計(jì)的特征與內(nèi)涵

10.1.4　威脅估計(jì)要素及其層次結(jié)構(gòu)

10.1.5　威脅估計(jì)結(jié)果的表示方法

10.2　基于假設(shè)評(píng)估的威脅估計(jì)推理模型

10.2.1　威脅估計(jì)模型

10.2.2　威脅估計(jì)的多假設(shè)推理

10.2.3　威脅估計(jì)推理中的多假設(shè)評(píng)估

10.3　威脅估計(jì)方法

10.3.1　基于隨機(jī)區(qū)間的目標(biāo)威脅估計(jì)方法

10.3.2　基于模糊模式識(shí)別的目標(biāo)威脅估計(jì)算法

10.3.3　基于決策樹學(xué)習(xí)的目標(biāo)威脅估計(jì)算法

10.4　多目標(biāo)威脅估計(jì)方法

10.4.1　威脅函數(shù)與威脅值

10.4.2　基于多價(jià)值準(zhǔn)則的多目標(biāo)威脅評(píng)估方法

10.5　分布式環(huán)境中目標(biāo)威脅估計(jì)的控制模式

10.5.1　分布式威脅估計(jì)的優(yōu)勢(shì)

10.5.2 分布式威脅估計(jì)的環(huán)境要求

10.5.3　分布式威脅估計(jì)的協(xié)同模式

10.5.4　分布式協(xié)同威脅估計(jì)案例

10.6　通信狀態(tài)對(duì)分布式威脅估計(jì)的影響

10.6.1　通信中斷狀態(tài)產(chǎn)生的影響

10.6.2　通信降級(jí)狀態(tài)產(chǎn)生的影響

參考文獻(xiàn)

第11章　分布式傳感器管理

11.1　概述 

11.1.1　傳感器管理的概念

11.1.2　傳感器管理的內(nèi)涵和效用

11.1.3　傳感器管理的功能

11.2　基于效用函數(shù)的目標(biāo)探測(cè)傳感器資源管理算法

11.2.1　問題描述

11.2.2　基于效用的傳感器資源分配數(shù)學(xué)模型

11.2.3　仿真例子

11.3　基于模糊推理的傳感器管理算法

11.3.1　問題描述

11.3.2　基于模糊推理的傳感器管理算法

11.3.3　性能指標(biāo)

11.3.4　仿真例子

11.4 基于組合雙向拍賣的傳感器管理算法

11.4.1 問題描述 

11.4.2 基于多資源組合雙向拍賣的傳感器管理算法

11.4.3 仿真例子

11.5　本章小結(jié)

參考文獻(xiàn)