多源数据融合和传感器管理

**部分 研究现状 第1章 多源数据融合概述 1．1 多传感器数据融合定义 1．2 多传感数据融合面临的问题 习题 第2章 信息融合的原理和级别 2．1 信息融合的基本原理 2．2 信息融合的级别 2．2．1 信源 2．2．2 信源预处理 2．2．3 检测级融合 2．2．4 位置级融合 2．2．5 目标识别融合 2．2．6 态势估计 2．2．7 威胁估计 2．2．8 精细处理 2．2．9 数据库处理 习题 第3章 多传感器数据融合算法 3．1 有缺陷的数据融合 3．1．1 概率融合 3．1．2 证据置信度推理 3．1．3 融合和模糊推理 3．1．4 可能性融合 3．1．5 基于粗糙集融合 3．1．6 混合融合方法 3．1．7 随机集理论融合 3．2 相关数据的融合 3．2．1 消除数据关联性 3．2．2 数据融合中存在未知的相关性 3．2．3 不一致数据融合 3．2．4 虚假数据 3．2．5 脱离序列数据 3．2．6 冲突数据 3．3 融合异质数据 习题 第4章 多传感分布检测 4．1 Neyman-Pearson公式 4．1．1 并行拓扑结构 4．1．2 串行拓扑结构 4．2 Bayes公式 4．2．1 并行结构 4．2．2 串行拓扑结构 4．2．3 更一般的网络拓扑结构 习题 第5章 传感器管理 5．1 传感器管理的定义 5．2 数据融合系统中的传感器管理 5．3 传感器管理的内容 5．4 传感器管理的结构 习题 第6章 数据融合的现状和趋势 6．1 新兴融合模式 6．1．1 软/硬数据融合 6．1．2 机会数据融合 6．1．3 自适应融合和研究 6．2 正在进行的数据融合研究 6．2．1 自动融合 6．2．2 置信度可靠性 6．2．3 安全融合 6．2．4 融合评估 习题 …… 第二部分 数学理论基础 第三部分 多源数据融合算法 第四部分 多源数据融合应用 第五部分 多传感器管理 参考文献