跟踪和传感器数据融合

跟踪和传感器数据融合 
作　者：（德）沃尔夫冈著；何佳洲等译 
出版时间：2015 
内容简介 
　　《跟踪和传感器数据融合》在第一部分提出了一个一致的传感器数据融合的方法学框架，采用贝叶斯框架将目标状态、其随时间演化概率模型和传感器内在特性等组合在一起，从而从存有缺陷的传感器观测和上下文信息中抽取出感兴趣的目标知识。在第二部分，作者结合自身的研究工作，讨论了先进传感器特性、目标特性和地理信息与融合系统集成应用，以及传感器管理等方面的内容。 
目录 
译者序 
序 
前言 
第1章 传感器数据融合的概念和结构1 
1.1 主题1 
1.1.1 现代发展起源2 
1.1.2 通用技术基础2 
1.1.3 关于信息系统3 
1.2 作为应用科学分支的特征6 
1.2.1 传感器数据融合先驱6 
1.2.2 研究团体组织9 
1.2.3 重要出版平台9 
1.3 从不完整数据到态势图10 
1.3.1 典型方面讨论10 
1.3.2 方法评述12 
1.3.3 一个通用的传感器数据融合系统12 
1.3.4 融合性能度量14 
1.3.5 源于跟踪的态势元素15 
1.3.6 异常检测议题精选16 
1.4 传感器数据融合的未来展望19 
1.4.1 日常生活中的新应用19 
1.4.2 发展大趋势讨论20 
参考文献21 
**部分 传感器数据融合：方法学框架 
第2章 目标和传感器特征描述27 
2.1 状态量举例27 
2.2 目标演化模型28 
2.2.1 Van-Keuk演化模型29 
2.2.2 交互式多模型29 
2.3 传感器似然函数31 
2.3.1 高斯似然函数32 
2.3.2 多传感器似然性36 
2.3.3 歧义数据的似然性40 
2.3.4 组合信号增强44 
2.3.5 扩展目标似然性45 
参考文献46 
第3章 贝叶斯知识传播49 
3.1 贝叶斯跟踪范例49 
3.1.1 特性方面52 
3.1.2 近似性点评53 
3.1.3 航迹与航迹融合54 
3.1.4 航迹起始初探55 
3.2 目标状态预测55 
3.2.1 卡尔曼预测56 
3.2.2 期望波门56 
3.2.3 交互多模型预测57 
3.3 数据更新：滤波59 
3.3.1 卡尔曼滤波59 
3.3.2 交互多模型滤波60 
3.3.3 多假设跟踪滤波61 
3.4 目标状态回溯65 
3.4.1 固定间隔平滑66 
3.4.2 连续时间回溯67 
3.4.3 交互多模型回溯68 
3.4.4 多假设跟踪回溯70 
3.4.5 一个实例讨论72 
参考文献74 
第4章 序贯航迹提取78 
4.1 良好分离的目标78 
4.1.1 序贯似然比检验78 
4.1.2 与跟踪相关的特性79 
4.1.3 与多假设跟踪的关系80 
4.2 群目标81 
4.2.1 广义似然比81 
4.2.2 关于群的势82 
参考文献82 
第5章 递归批处理83 
5.1 累积目标状态密度83 
5.1.1 闭式表达式84 
5.1.2 一般性讨论86 
5.1.3 失序量测88 
5.1.4 范例讨论89 
5.2 采用EM求解跟踪问题91 
5.2.1 数据增广方法92 
5.2.2 期望和**化步骤93 
5.2.3 问题讨论96 
参考文献96 
第6章 航迹与航迹融合98 
6.1 全速率通信融合98 
6.1.1 Frenkel小航迹99 
6.1.2 小航迹融合99 
6.2 任意通信速率融合100 
6.2.1 高斯乘积密度101 
6.2.2 分布式滤波更新102 
6.2.3 分布式预测更新103 
6.2.4 分布式回溯更新106 
6.3 仿真例子讨论108 
参考文献112 
第二部分 传感器数据融合：应用精选 
第7章 传感器高级特性集成115 
7.1 有限传感器分辨率115 
7.1.1 雷达分辨率模型116 
7.1.2 特定分辨率的似然函数118 
7.1.3 一个编队跟踪示例121 
7.1.4 分辨率：结果小结123 
7.2 GMTI雷达：多普勒盲区124 
7.2.1 空对地监视125 
7.2.2 一种多普勒盲区模型125 
7.2.3 GMTI跟踪要点130 
7.2.4 GMTI建模效果131 
7.3 主瓣干扰135 
7.3.1 对干扰机凹槽建模135 
7.3.2 可选跟踪滤波器137 
7.3.3 仿真结果精选138 
7.4 负传感器信息139 
7.4.1 一个无处不在的概念139 
7.4.2 从例子中得到的经验教训140 
参考文献141 
第8章 目标高级属性集成143 
8.1 MHT跟踪建模历史143 
8.1.1 IMM-MHT跟踪144 
8.1.2 性能评估145 
8.1.3 IMM-MHT：结论152 
8.2 扩展目标跟踪153 
8.2.1 通用形式154 
8.2.2 扩展目标预测156 
8.2.3 扩展目标滤波158 
8.2.4 扩展目标的运动学特征160 
8.2.5 仿真结果161 
8.2.6 结果小结165 
8.3 跟踪和识别166 
参考文献168 
第9章 地形信息集成170 
9.1 道路地图辅助的目标跟踪170 
9.1.1 道路段建模171 
9.1.2 道路约束密度172 
9.1.3 定量讨论175 
9.2 基于目标跟踪的道路地图提取180 
9.2.1 实用价值181 
9.2.2 道路节点重构181 
9.2.3 示例分析182 
9.2.4 小结187 
9.3 辐射源跟踪188 
9.3.1 多路径传播预测188 
9.3.2 粒子滤波方法189 
9.3.3 小结189 
参考文献191 
第10章 反馈到探测：传感器管理192 
10.1 敏捷波束雷达的信息流程192 
10.2 相控阵雷达的传感器建模194 
10.2.1 雷达散射截面抖动194 
10.2.2 平均接收信噪比195 
10.2.3 检测和量测处理196 
10.3 贝叶斯跟踪算法回顾197 
10.3.1 预测：分配决策基础197 
10.3.2 信号强度信息处理198 
10.4 自适应贝叶斯传感器管理199 
10.4.1 雷达回访时间自适应控制199 
10.4.2 雷达发射能量选择200 
10.4.3 贝叶斯局部搜索程序200 
10.5 数值仿真结果讨论203 
10.5.1 仿真剧情讨论203 
10.5.2 IMM建模设计要点205 
10.5.3 IMM建模增益207 
10.5.4 RCS估计质量208 
10.5.5 RCS模型失配210 
10.5.6 自适应能量管理211 
10.6 自适应传感器管理：结果汇总213 
参考文献214 
附录A216 
A.1 缩写词列表216 
A.2 符号列表216 
A.3 概率密度基础知识218 
A.4 分块矩阵求逆公式221 
A.5 高斯乘积公式221 
A.6 矩匹配近似223 
A.7 回溯：依赖性分析224 
A.8 高斯累积状态密度225 
A.9 克罗内克积的相关知识229 
A.10 扩展目标似然性的相关细节230 
A.11 矩阵变量密度的相关知识230 
参考文献232 
彩图