分布式网络化系统信息融合

目录
第1章绪论11.1研究背景1
1.2相关领域的国内外研究进展与现状3
1.2.1分布式系统测量方法3
1.2.2目标定位方法4
1.2.3水平集演化方法6
1.2.4数据集分类方法7
1.2.5信息融合理论8
1.3主要工作和特色12
1.3.1研究内容12
1.3.2本书特色13
1.4章节安排14
第2章基于多相双曲线水平集演化的图像分割方法17
2.1引言17
2.2水平集方法预备知识17
2.2.1水平集方法原理18
2.2.2多相水平集理论20
2.2.3基于区域的水平集方法21
2.2.4多项水平集方法的能量函数23
2.3多相双曲线方法24
2.3.1区域控制能量项25
2.3.2能量拟合函数25〖4〗分布式网络化系统信息融合〖2〗目录〖4〗2.3.3水平集曲线演化29
2.3.4算法的执行过程32
2.4方法实施和实验探讨32
2.4.1实验结果32
2.4.2结果分析35
2.5本章小结37
第3章基于邻居搜索和内核模糊C均值的鲁棒性数据集分类方法38
3.1引言38
3.2聚类算法的理论基础38
3.2.1聚类分析39
3.2.2内核模糊C均值算法40
3.3鲁棒的数据分类方法42
3.3.1邻居搜索遍历数据集42
3.3.2初始化隶属度矩阵和聚类原型44
3.3.3优化隶属度矩阵和聚类原型45
3.3.4鲁棒性能估计47
3.3.5算法执行步骤49
3.4实验验证49
3.4.1实验一： MEMS加速度计数据集50
3.4.2实验二： 复杂图像数据集53
3.5本章小结57
第4章不确定网络化系统的分布式加权融合估计58
4.1引言58
4.2*优估计理论和问题描述59
4.2.1卡尔曼滤波理论59
4.2.2分布式网络化系统融合架构60
4.2.3传输时延和交叉相关噪声61
4.3分布式鲁棒卡尔曼类型的滤波62
4.3.1重组新息序列62
4.3.2分布式融合估计65
4.4数值验证72
4.5本章小节77
第5章随机不确定系统的建模与滤波78
5.1引言78
5.2问题阐述79
5.2.1系统描述79
5.2.2基于序列重排的建模79
5.2.3噪声的相关性82
5.3鲁棒有限时域滤波82
5.3.1基于ZOH的滤波83
5.3.2基于逻辑ZOH的滤波88
5.4仿真结果92
5.5本章小结96
第6章面向空间定位的不确定系统的建模与估计97
6.1引言97
6.2基于线性CCD的空间定位方法97
6.2.1空间定位原理98
6.2.23D光电传感定位系统工作流程99
6.2.3空间定位效果仿真100
6.3问题描述和分析105
6.3.1基于信号选择方案的系统模型106
6.3.2交叉相关性噪声107
6.4基于逻辑ZOH的估计器107
6.4.1子系统的增广状态向量108
6.4.2估计协方差的上界110
6.4.3随机延迟的线性补偿111
6.4.4分布式加权融合估计112
6.5数值仿真114
6.6本章小结120
第7章总结与展望121
7.1总结121
7.2未来展望123
附录A命题3.1～命题3.3的证明124
附录B定理4.2的证明129
附录C定理5.2的证明131
参考文献136