　　本书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。

译者序
序
前言
第1章传感器数据融合的概念和结构
1．1 主题
1．1．1 现代发展起源
1．1．2 通用技术基础
1．1．3 关于信息系统
1．2 作为应用科学分支的特征
1．2．1 传感器数据融合先驱
1．2．2 研究团体组织
1．2．3 重要出版平台
1．3 从不完整数据到态势图
1．3．1 典型方面讨论
1．3．2 方法评述
1．3．3 一个通用的传感器数据融合系统
1．3．4 融合性能度量
1．3．5 源于跟踪的态势元素
1．3．6 异常检测议题精选
1．4 传感器数据融合的未来展望
1．4．1 日常生活中的新应用
1．4．2 发展大趋势讨论
参考文献

第一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
2．1 状态量举例
2．2 目标演化模型
2．2．1 van．Keuk演化模型
2．2．2 交互式多模型
2．3 传感器似然函数
2．3．1 高斯似然函数
2．3．2 多传感器似然性
2．3．3 歧义数据的似然性
2．3．4 组合信号增强
2．3．5 扩展目标似然性
参考文献
第3章贝叶斯知识传播
3．1 贝叶斯跟踪范例
3．1．1 特性方面
3．1．2 近似性点评
3．1．3 航迹与航迹融合
3．1．4 航迹起始初探
3．2 目标状态预测
3．2．1 卡尔曼预测
3．2．2 期望波门
3．2．3 交互多模型预测
3．3 数据更新：滤波
3．3．1 卡尔曼滤波
3．3．2 交互多模型滤波
3．3．3 多假设跟踪滤波
3．4 目标状态回溯
3．4．1 固定间隔平滑
3．4．2 连续时间回溯
3．4．3 交互多模型回溯
3．4．4 多假设跟踪回溯
3．4．5 一个实例讨论
参考文献
第4章序贯航迹提取
4．1 良好分离的目标
4．1．1 序贯似然比检验
4．1．2 与跟踪相关的特性
4．1．3 与多假设跟踪的关系
4．2 群目标
4．2．1 广义似然比
4．2．2 关于群的势
参考文献
第5章递归批处理
5．1 累积目标状态密度
5．1．1 闭式表达式
5．1．2 一般性讨论
5．1．3 失序量测
5．1．4 范例讨论
5．2 采用EM求解跟踪问题
5．2．1 数据增广方法
5．2．2 期望和*大化步骤
5．2．3 问题讨论
参考文献
第6章航迹与航迹融合
6．1 全速率通信融合
6．1．1 Frenkel小航迹
6．1．2 小航迹融合
6．2 任意通信速率融合
6．2．1 高斯乘积密度
6．2．2 分布式滤波更新
6．2．3 分布式预测更新
6．2．4 分布式回溯更新
6．3 仿真例子讨论
参考文献

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
7．1 有限传感器分辨率
7．1．1 雷达分辨率模型
7．1．2 特定分辨率的似然函数
7．1．3 一个编队跟踪示例
7．1．4 分辨率：结果小结
7．2 GMTI雷达：多普勒盲区
7．2．1 空对地监视
7．2．2 一种多普勒盲区模型
7．2．3 GMTI跟踪要点
7．2．4 GMTI建模效果
7．3 主瓣干扰
7．3．1 对干扰机凹槽建模
7．3．2 可选跟踪滤波器
7．3．3 仿真结果精选
7．4 负传感器信息
7．4．1 一个无处不在的概念
7．4．2 从例子中得到的经验教训
参考文献
第8章目标高级属性集成
8．1 MHT跟踪建模历史
8．1．1 IMM．MHT跟踪
8．1．2 性能评估
8．1．3 IMM—MHT：结论
8．2 扩展目标跟踪
8．2．1 通用形式
8．2．2 扩展目标预测
8．2．3 扩展目标滤波
8．2．4 扩展目标的运动学特征
8．2．5 仿真结果
8．2．6 结果小结
8．3 跟踪和识别
参考文献
第9章地形信息集成
9．1 道路地图辅助的目标跟踪
9．1．1 道路段建模
9．1．2 道路约束密度
9．1．3 定量讨论
9．2 基于目标跟踪的道路地图提取
9．2．1 实用价值
9．2．2 道路节点重构
9．2．3 示例分析
9．2．4 小结
9．3 辐射源跟踪
9．3．1 多路径传播预测
9．3．2 粒子滤波方法
9．3．3 小结
参考文献
第10章反馈到探测：传感器管理
10．1 敏捷波束雷达的信息流程
10．2 相控阵雷达的传感器建模
10．2．1 雷达散射截面抖动
10．2．2 平均接收信噪比
10．2．3 检测和量测处理
10．3 贝叶斯跟踪算法回顾
10．3．1 预测：分配决策基础
10．3．2 信号强度信息处理
10．4 自适应贝叶斯传感器管理
10．4．1 雷达回访时间自适应控制
10．4．2 雷达发射能量选择
10．4．3 贝叶斯局部搜索程序
10．5 数值仿真结果讨论
10．5．1 仿真剧情讨论
10．5．2 IMM建模设计要点
10．5．3 IMM建模增益
10．5．4 RCS估计质量
10．5．5 RCS模型失配
10．5．6 自适应能量管理
10．6 自适应传感器管理：结果汇总
参考文献

附录A
A．1 缩写词列表
A．2 符号列表
A．3 概率密度基础知识
A．4 分块矩阵求逆公式
A．5 高斯乘积公式
A．6 矩匹配近似
A．7 回溯：依赖性分析
A．8 高斯累积状态密度
A．9 克罗内克积的相关知识
A．10 扩展目标似然性的相关细节
A．11 矩阵变量密度的相关知识
参考文献
彩图

精彩书摘

　　《跟踪和传感器数据融合》：
　　1.3.4融合性能度量
　　在传感器数据融合中，潜在的“真实”态势通常是未知的。仅在一些昂贵且耗时的实验中，能够监控某个动态演化态势的某些方面，有时其精度也是有疑问的。由于这个原因，实验对于展示“概念验证”是非常有价值的，例如，对理解底层物理现象和运行问题。尽管如此，它们在性能评估和预测方面的用途有限。这便凸显了全面蒙特卡罗模拟在数据融合系统性能评估中的作用。
　　根据前面的讨论，传感器数据融合系统试图在传感器视场中的目标和态势图中已识别的目标航迹之间建立一一对应关系。严格上说，这只有在传感器性能和潜在目标场景都理想的条件下才有可能实现。对于给定的跟踪和融合系统，通过与上述理想日标对比，用所得的特征缺陷来衡量该系统的性能，这看起来是合理的。一般情况下，可以区分为两类缺陷：一类是由于输入数据不匹配导致的；另一类则是由于采用了非最优处理和不相符的应用约束条件所致。
　　如何选择性能度量或前面所讨沦的“缺陷度量”，与融合系统设计的实际情况相关，这里需要强调以下几方面。
　　（1）通常从传感器数据中提取出一条航迹时，会包括一段时间延迟。因此，可将对应的性能度量称为“提取延迟”，它描述了从传感器第一次检测到该目标到形成对应确认航迹之间的时间间隔。
　　（2）虚假航迹，也就是并不存在的或冗余的航迹，在高密度虚警或冗余数据（如杂波、干扰／欺骗）情形下是不可避免的。对应的“缺陷度量”是单位时间的平均虚假航迹数和虚假航迹的平均生存时间。
　　（3）同一个目标应当用同一条航迹来表示，直到该目标离开（相应传感器的）视场。相关的性能度量是正确航迹的平均生存时间、“身份切换”概率，以及一个目标不是由一条航迹表示的概率。
　　（4）航迹误差（如可由状态估计的误差协方差矩阵给出）应该尽可能小。进一步，目标特征估计值与实际值之间的偏差应当与生成的误差协方差矩阵相符（一致性），否则通常会发生“航迹丢失”。
　　在一个给定的应用中，通常没有一个简单的方法能在各种相互竞争的性能度量和用户需求之间获得一个合理的折中。对一项指标的优化，很可能导致其他性能指标的恶化，最终损害整个系统的性能。在具有更多挑战性条件的情况下，这一点尤其正确。
　　……