量化信息融合理论及在无线传感器网络中的应用

前言 变量表 第1章 绪论 1.1 背景与意义 1.2 量化信息融合简介 1.2.1 信息融合概述 1.2.2 信息融合发展概况 1.2.3 量化信息融合概述 1.3 无线传感器网络简介 1.3.1 传感器节点结构 1.3.2 无线传感器网络拓扑结构 1.3.3 无线传感器网络的功能结构 1.4 无线传感器网络中状态估计与信息融合 第2章 状态估计与信息融合相关理论 2.1 引言 2.2 估计理论 2.2.1 扩展卡尔曼滤波 2.2.2 无迹卡尔曼滤波 2.2.3 粒子滤波技术 2.2.4 交互式多模型滤波 2.3 鲁棒估计方法 2.3.1 鲁棒滤波概述 2.3.2 降阶鲁棒滤波器 2.4 信息融合角度的鲁棒估计 2.4.1 信息融合的分类 2.4.2 统一的信息融合模型及其*优解 2.4.3 鲁棒信息融合滤波 2.4.4 仿真分析 2.5 本章小结 第3章 均匀量化测量与融合 3.1 引言 3.2 问题描述 3.3 量化噪声分析 3.3.1 量化噪声的概率密度函数 3.3.2 量化噪声的概率密度函数估计 3.4 基于均匀量化测量的目标状态估计 3.5 仿真分析 3.5.1 量化测量误差的概率密度 3.5.2 均匀量化条件下的目标跟踪仿真 3.6 本章小结 第4章 自适应量化测量与融合 4.1 引言 4.2 模型建立 4.2.1 能量模型 4.2.2 概率量化策略 4.2.3 优化模型建立 4.3 自适应带宽分配 4.3.1 测量扩维情况下的带宽分配策略 4.3.2 测量加权情况下的带宽分配策略 4.3.3 噪声相关情况下的带宽分配策略 4.4 自适应量化阈值 4.5 基于粒子滤波的目标跟踪 4.6 性能分析 4.7 仿真与分析 4.7.1 自适应带宽分配 4.7.2 噪声相关情况 4.7.3 自适应阈值仿真 4.8 本章小结 第5章 量化新息与融合 5.1 引言 5.2 问题描述 5.3 基于量化新息的状态估计 5.3.1 量化新息和传输策略 5.3.2 基于量化新息的状态估计方法 5.3.3 量化新息卡尔曼滤波器 5.4 性能分析 5.5 仿真与分析 5.6 本章小结 第6章 分布式量化航迹融合 6.1 引言 6.2 传统航迹融合方法简介 6.2.1 信息融合卡尔曼滤波算法 6.2.2 加权平均法 6.2.3 协方差交叉法 6.3 资源受限的航迹融合 6.3.1 协方差阵的压缩处理 6.3.2 量化策略 6.4 稳健航迹融合方法—内椭球逼近法 6.4.1 算法提出 6.4.2 仿真与比较 6.5 传感器节点动态分簇 6.5.1 相关工作 6.5.2 目标导向动态分簇策略 6.6 仿真与分析 6.7 本章小结 第7章 信道感知目标跟踪及跨层优化 7.1 引言 7.2 传输信道及其模型 7.2.1 无线信道的分类 7.2.2 二元对称离散信道 7.3 信道感知目标跟踪 7.3.1 问题描述 7.3.2 目标跟踪策略 7.3.3 性能分析 7.4 跨层设计与优化 7.4.1 基于信道感知CRLB的传感器调度 7.4.2 启发式调度策略 7.5 仿真与分析 7.5.1 仿真平台搭建 7.5.2 结果与讨论 7.6 本章小结 第8章 对等网络中分布式协同目标跟踪 8.1 引言 8.2 P2P传感器网络及其图模型 8.3 协同策略 8.3.1 传统方法 8.3.2 新协同算法及其性能分析 8.3.3 仿真分析 8.4 信息滤波器 8.4.1 信息卡尔曼滤波器 8.4.2 信息鲁棒滤波器 8.4.3 信息形式Sigma点滤波器 8.5 分布式协同滤波器 8.5.1 分布式协同卡尔曼滤波器 8.5.2 分布式协同鲁棒滤波器 8.5.3 分布式协同Sigma点卡尔曼滤波器 8.6 量化情况下动态协同目标状态估计融合 8.7 分布式协同估计融合框架 8.8 仿真与分析 8.8.1 分布式稳健滤波器 8.8.2 分布式Sigma点滤波 8.8.3 量化情形 8.9 本章小结 第9章 基于量化信息融合的目标跟踪应用 9.1 引言 9.2 系统体系结构设计 9.3 数据生成 9.3.1 场景数据生成 9.3.2 监测数据生成 9.3.3 数据传输设计 9.4 单目标跟踪情形 9.4.1 数据预处理 9.4.2 结果与分析 9.5 多目标跟踪情形 9.5.1 目标运动模型 9.5.2 传感器测量模型 9.5.3 多目标情形测量解模糊 9.5.4 结果与分析 9.6 基于WSN的目标跟踪硬件平台 9.6.1 系统体系结构 9.6.2 无线传感器节点 9.6.3 网络通信协议 9.6.4 上位机显示 9.7 实验与分析 9.7.1 场景设置 9.7.2 结果与分析 9.8 本章小结 参考文献