《信息融合技術(shù)及其應(yīng)用》是關(guān)于信息融合理論、方法和應(yīng)用的一本著作，跟蹤信息融合技術(shù)的發(fā)展前沿，從多傳感器融合、多分類器融合和遙感影像數(shù)據(jù)融合3個方面論述了信息融合技術(shù)及其應(yīng)用。全書共分為16章，內(nèi)容包括信息融合概述、融合檢測技術(shù)、狀態(tài)估計技術(shù)、數(shù)據(jù)關(guān)聯(lián)技術(shù)、狀態(tài)融合估計技術(shù)、基于Bayes理論的信息融合技術(shù)、基于證據(jù)理論的信息融合技術(shù)、基于模糊集合論的信息融合技術(shù)、基于神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)、基于遺傳算法的信息融合技術(shù)、態(tài)勢估計技術(shù)、威脅估計技術(shù)、傳感器管理技術(shù)、信息融合在軍事中的應(yīng)用、信息融合在模式識別中的應(yīng)用、遙感圖像融合技術(shù)與應(yīng)用等。
《信息融合技術(shù)及其應(yīng)用》可作為電子工程、信息與通信工程、自動控制、指揮自動化等相關(guān)專業(yè)方向的高年級本科生和研究生“信息融合”課程的教材和相關(guān)領(lǐng)域的科研、工程技術(shù)人員的參考書。
隨著通信和信息技術(shù)的發(fā)展，特別是網(wǎng)絡(luò)技術(shù)的發(fā)展，海量文本、語音、圖像和視頻等媒體為人們提供了豐富的信息資源。對廣大用戶來說，主要是從海量信息環(huán)境中獲取有用的信息。對于管理人員來說，除了信息獲取，還需要對海量信息的內(nèi)容進行監(jiān)管。
無論是為了獲取有價值的信息，還是對海量信息的內(nèi)容進行監(jiān)管，在廣泛收集信息的同時，需要對獲得的信息進行有效的采集、高效的內(nèi)容識別、深層的檢索與挖掘。在海量信息智能處理中，信息采集是基礎(chǔ)、信息內(nèi)容識別是核心、信息檢索與挖掘是手段、信息獲取與監(jiān)管是目的。
信息工程大學(xué)信息工程學(xué)院“智能信息處理”方向長期從事文本分析與理解、語音處理與識別、圖像／視頻處理與識別、多源信息融合、信息檢索與挖掘等前沿學(xué)科領(lǐng)域的教學(xué)與科研，獲得了國家社科基金（重大）、國家自然科學(xué)基金、國家“863”、國防預(yù)研等多個項目的資助�！爸悄苄畔⑻幚怼狈较虻亩嗝髡咴诳偨Y(jié)和提升多年教學(xué)、科研成果的基礎(chǔ)上，編寫了這套《智能信息處理》叢書。國防工業(yè)出版社為該叢書的出版給予了大力支持。
《智能信息處理》叢書共8個分冊，比較系統(tǒng)、全面地介紹了智能信息處理技術(shù)及其應(yīng)用，重點闡述了文本、語音、圖像及視頻等媒體的內(nèi)容識別、檢索、挖掘和監(jiān)管。該叢書可作為計算機科學(xué)與技術(shù)、電子工程、信息與通信工程、自動控制、指揮自動化、情報學(xué)、圖書館學(xué)、信息管理等相關(guān)專業(yè)方向的高年級本科生和研究生相關(guān)課程的教材和相關(guān)領(lǐng)域的科研、工程技術(shù)人員的參考書。
李弼程，男，湖南衡南人，1970年7月出生，博士，留英學(xué)者，信息工程大學(xué)信息工程學(xué)院教授、博士生導(dǎo)師。主要從事文本分析與理解，語音處理與識別、圖像／視頻處理與識別、多源信息融合等前沿學(xué)科的教學(xué)與科研。主持國家自然科學(xué)基金項目、國家“863”課題、國家社科基金項目、軍隊科研項目等20余項，獲省部級科技進步一等獎1項、二等獎2項、三等獎4項：發(fā)表論文200余篇，其中80多篇次進入三大檢索：已公開出版著作5部。
黃潔，女.河南鄭州人，1973年9月出生.碩士，信息工程大學(xué)信息工程學(xué)院副教授。主要從事電子信號分析、多源信息融合等學(xué)科的教學(xué)與研究。參與國家“863”課題、軍隊科研項目等10余項；獲軍隊科技進步二等獎1項，三等獎2項；發(fā)表論文20余篇；公開出版著作1部。
第1章 信息融合概述
1.1 多傳感器數(shù)據(jù)融合概述
1.1.1 多傳感器數(shù)據(jù)融合的概念
1.1.2 多傳感器數(shù)據(jù)融合的基本原理
1.1.3 多傳感器數(shù)據(jù)融合的級別
1.1.4 JDL融合模型
1.2 多源遙感影像數(shù)據(jù)融合概述
1.2.1 多源遙感影像數(shù)據(jù)融合的概念
1.2.2 多源遙感影像數(shù)據(jù)融合原理
1.2.3 多源遙感影像數(shù)據(jù)融合的評價指標
1.3 多分類器融合概述
1.3.1 多分類器融合的基本原理
1.3.2 多分類器融合的體系結(jié)構(gòu)
1.3.3 多分類器融合的分類
1.3.4 多數(shù)投票法
1.3.5 BKS方法
參考文獻
第2章 融合檢測技術(shù)
2.1 假設(shè)檢驗
2.1.1 假設(shè)檢驗問題描述
2.1.2 似然比判決準則
2.2 融合檢測系統(tǒng)結(jié)構(gòu)模型
2.2.1 集中式融合檢測結(jié)構(gòu)
2.2.2 分布式融合檢測結(jié)構(gòu)
2.3 并行分布式融合檢測
2.3.1 并行分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.3.2 并行分布式最優(yōu)檢測
2.4 串行分布式融合檢測
2.4.1 串行分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.4.2 串行分布式最優(yōu)檢測
2.5 樹狀分布式融合檢測
2.5.1 樹狀分布式融合檢測系統(tǒng)結(jié)構(gòu)
2.5.2 樹狀分布式最優(yōu)檢測
2.6 分布式恒虛警概率檢測
2.6.1 CFAR檢測
2.6.2 分布式CFAR檢測
參考文獻
第3章 狀態(tài)估計技術(shù)
3.1 基本Kalman濾波
3.1.1 離散時間線性動態(tài)系統(tǒng)描述
3.1.2 基本Kalman濾波算法
3.1.3 a-p和a-p-y濾波
3.2 實用Kalman濾波算法
3.2.1 噪聲相關(guān)的Kalman濾波
3.2.2 過程演化噪聲為有色噪聲的Kalman濾波
3.2.3 觀測噪聲為有色噪聲的Kalman濾波
3.3 擴展Kalman濾波
3.3.1 離散時間非線性動態(tài)系統(tǒng)描述
3.3.2 擴展Kalman濾波算法
3.4 粒子濾波
3.4.1 Bayes濾波
3.4.2 蒙特卡洛方法
3.4.3 粒子濾波算法
3.5 不敏Kalman濾波
3.5.1 不敏變換
3.5.2 不敏Kalman濾波算法
參考文獻
第4章 數(shù)據(jù)關(guān)聯(lián)技術(shù)
4.1 數(shù)據(jù)關(guān)聯(lián)概述
4.2 量測與航跡關(guān)聯(lián)的最近鄰方法
4.2.1 跟蹤門
4.2.2 最近鄰方法
4.3 量測與航跡關(guān)聯(lián)的貝葉斯類方法
4.3.1 概率數(shù)據(jù)關(guān)聯(lián)
4.3.2 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)
4.3.3 多假設(shè)法
4.4 量測與航跡關(guān)聯(lián)的極大似然類方法
4.4.1 航跡分裂法
4.4.2 聯(lián)合極大似然法
4.5 統(tǒng)計航跡關(guān)聯(lián)算法
4.5.1 加權(quán)航跡關(guān)聯(lián)法
4.5.2 修正航跡關(guān)聯(lián)法
4.5.3 序貫航跡關(guān)聯(lián)法
4.5.4 統(tǒng)計雙門限航跡關(guān)聯(lián)法I
4.5.5 最近鄰航跡關(guān)聯(lián)法
4.6 模糊航跡關(guān)聯(lián)算法
4.6.1 模糊雙門限航跡關(guān)聯(lián)算法
4.6.2 基于模糊綜合函數(shù)的航跡關(guān)聯(lián)算法
參考文獻
第5章 狀態(tài)融合估計技術(shù)
5.1 狀態(tài)融合估計的系統(tǒng)結(jié)構(gòu)
5.2 集中式系統(tǒng)的狀態(tài)融合估計
5.2.1 集中式系統(tǒng)模型
5.2.2 并行濾波算法
5.2.3 序貫濾波算法
5.3 分布式系統(tǒng)的狀態(tài)融合估計
5.3.1 航跡融合結(jié)構(gòu)
5.3.2 航跡融合中的各傳感器估計誤差相關(guān)的原因
5.3.3 航跡融合算法
5.4 異步狀態(tài)融合估計
5.4.1 順序量測異步融合0
5.4.2 非順序量測異步融合
參考文獻
第6章 基于Bayes理論的信息融合技術(shù)
6.1 基于Bayes理論的多傳感器信息融合
6.1.1 Bayes推理
6.1.2 基于Bayes理論的多傳感器特征信息融合
6.1.3 基于Bayes理論的多傳感器決策信息融合
6.2 基于Bayes網(wǎng)絡(luò)的信息融合
6.2.1 Bayes網(wǎng)絡(luò)
6.2.2 動態(tài)Bayes網(wǎng)絡(luò)
6.2.3 基于Bayes網(wǎng)絡(luò)的多傳感器信息融合
6.2.4 基于動態(tài)Bayes網(wǎng)絡(luò)的主動信息融合
6.3 基于Bayes理論的多分類器信息融合
6.3.1 基于Bayes理論的多分類器合成規(guī)則
6.3.2 基于Bayes理論的多分類器置信水平合成參考文獻
第7章 基于證據(jù)理論的信息融合技術(shù)
7.1 證據(jù)推理基礎(chǔ)
7.1.1 辨識框架
7.1.2 基本概率賦值函數(shù)、信任函數(shù)、似真函數(shù)與共性函數(shù)
7.1.3 Dempster合成公式
7.1.4 沖突證據(jù)的合成
7.1.5 轉(zhuǎn)移信任模型
7.2 基于證據(jù)理論的多傳感器信息融合
7.2.1 基本框架
……
第8章 基于模糊集合論的信息融合技術(shù)
第9章 基于神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)
第10章 基于遺傳算法的信息整合技術(shù)
第11章 態(tài)勢估計技術(shù)
第12章 威脅估計技術(shù)
第13章 傳感器管理技術(shù)
第14章 信息融合在軍事中的應(yīng)用
第15章 信息融合在模式識別中的應(yīng)用
第16章 遙感圖像融合技術(shù)與應(yīng)用
參考文獻
由于信息融合具有廣泛的應(yīng)用領(lǐng)域，人們很難給出一個統(tǒng)一的定義。一般地，信息融合是針對一個多傳感器（多個和／或多類）系統(tǒng)的信息處理而展開研究。信息融合比較確切的定義是：信息融合是指利用計算機技術(shù)對按時序獲得的若干傳感器的觀測信息在一定準則下加以自動分析、綜合，以完成所需的決策和估計任務(wù)而進行的信息處理過程。這一定義強調(diào)，信息融合的硬件基礎(chǔ)是多傳感器系統(tǒng)，信息融合的加工對象是多源信息，信息融合的核心是協(xié)調(diào)優(yōu)化和綜合處理，信息融合的目的是決策和估計。
信息融合最早是軍事領(lǐng)域提出來的，定義為一個處理探測、互連、相關(guān)、估計以及綜合多源信息的多級別、多方面、多層次過程，以獲取準確的目標狀態(tài)和身份估計，進而得到完整而及時的戰(zhàn)場態(tài)勢和威脅估計。該定義主要強調(diào)信息融合是指對多傳感器數(shù)據(jù)進行多級別、多方面、多層次的處理，產(chǎn)生新的有價值的信息。首先，信息融合在幾個層次上對多源信息進行綜合處理，其中，每一個層次反映了原始數(shù)據(jù)不同級別的信息抽象；其次，信息融合包括探測、互連、相關(guān)、狀態(tài)估計、目標識別、態(tài)勢分析、威脅估計等多個方面；最后，信息融合的結(jié)果既包括較低層次的狀態(tài)和身份估計，又包括較高層次的態(tài)勢分析和威脅估計。
綜合上述兩個定義，信息融合的一般性定義如下：
信息融合就是將來自多傳感器或多源的信息進行協(xié)調(diào)優(yōu)化和綜合處理，產(chǎn)生新的有價值的信息，以得出更為準確、可信的結(jié)論。
由于習(xí)慣上的原因，很多文獻把信息融合又稱為數(shù)據(jù)融合，或多傳感器數(shù)據(jù)融合。事實上，用信息融合比較合適，因為信息融合更具概括性，信息不僅包括數(shù)據(jù)，也包括信號和知識。本書不區(qū)分信息融合和數(shù)據(jù)融合這兩個術(shù)語。
盡管許多文獻把多傳感器數(shù)據(jù)融合等同于信息融合，但是，由于圖像融合和多分類器融合具有相對獨立性，因此，本書把它們從多傳感器數(shù)據(jù)融合中分離出來，單獨進行討論。
書單推薦
