第1章 信息融合概述
1．1 信息融合的發(fā)展歷史與現(xiàn)狀
1．2 多傳感器系統(tǒng)的特點與控制結(jié)構(gòu)
1．3 信息融合的主要方法
1．3．1 信息融合的主要模型
1．3．2 信息融合的主要算法
1．3．3 當(dāng)前的研究熱點
1．4 信息融合的應(yīng)用案例
1．4．1 信息融合在軌道交通領(lǐng)域中的應(yīng)用
1．4．2 其他典型的應(yīng)用
1．5 信息融合技術(shù)的發(fā)展前景


第2章 信息融合中的數(shù)學(xué)基礎(chǔ)
2．1 粗糙集與證據(jù)理論
2．1．1 粗糙集理論基礎(chǔ)
2．1．2 證據(jù)理論基礎(chǔ)
2．2 模糊集合理論基礎(chǔ)
2．2．1 多傳感器融合數(shù)據(jù)有效性模糊處理技術(shù)
2．2．2 多傳感器融合數(shù)據(jù)有效性模糊評判實現(xiàn)
2．3 貝葉斯統(tǒng)計方法
2．3．1 貝葉斯公式
2．3．2 先驗分布
2．3．3 貝葉斯估計
2．3．4 貝葉斯決策
2．4 H8濾波理論
2．4．1 H8濾波技術(shù)基礎(chǔ)
2．4．2 系統(tǒng)H8控制標(biāo)準(zhǔn)設(shè)計問題
2．4．3 連續(xù)系統(tǒng)H8濾波問題的描述
2．4．4 離散系統(tǒng)H8濾波問題的描述
2．4．5 H．濾波器同卡爾曼濾波器的比較
2．5 灰色系統(tǒng)理論
2．5．1 灰色系統(tǒng)的概念與基本原理
2．5．2 序列算子與灰色序列生成
2．5．3 灰色系統(tǒng)預(yù)測


第3章 信息融合系統(tǒng)功能和結(jié)構(gòu)模型
3．1 概述
3．2 信息融合系統(tǒng)的功能模型
3．3 信息融合系統(tǒng)的結(jié)構(gòu)模型
3．3．1 檢測級融合
3．3．2 位置級融合
3．3．3 態(tài)勢評估
3．3．4 威脅估計
3．4 信息融合的級別
3．5 信息融合系統(tǒng)的通用處理結(jié)構(gòu)
3．6 信息融合的六級功能分類模型


第4章 信息融合的數(shù)據(jù)支持
4．1 多傳感器信息融合時的數(shù)據(jù)準(zhǔn)備
4．1．1 預(yù)處理
4．1．2 修正系統(tǒng)誤差
4．1．3 坐標(biāo)變換或空間配準(zhǔn)
4．1．4 時間同步或?qū)��?zhǔn)
4．1．5 量綱對準(zhǔn)
4．2 數(shù)據(jù)關(guān)聯(lián)
4．3 數(shù)據(jù)關(guān)聯(lián)的過程和步驟
4．3．1 多傳感器數(shù)據(jù)關(guān)聯(lián)
4．3．2 數(shù)據(jù)關(guān)聯(lián)過程
4．3．3 數(shù)據(jù)關(guān)聯(lián)的一般步驟
4．4 數(shù)據(jù)關(guān)聯(lián)的方法
4．5 多傳感器聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)
4．5．1 概率數(shù)據(jù)關(guān)聯(lián)濾波器
4．5．2 多傳感器概率數(shù)據(jù)關(guān)聯(lián)算法


第5章 基于統(tǒng)計的信息融合
5．1 參數(shù)估計的基本概念與方法
5．1．1 參數(shù)估計的基本概念
5．1．2 估計問題
5．1．3 估計的偏差和無偏性
5．1．4 估計的方差和克拉美-勞不等式
5．1．5 估計的有效性
5．1．6 充分估計
5．1．7 估計的一致性
5．1．8 估計的其他性質(zhì)
5．2 總體參數(shù)的點估計
5．2．1 矩估計
5．2．2 極大似然估計
5．2．3 點估計的評價標(biāo)準(zhǔn)
5．3 正態(tài)總體均值的區(qū)間估計
5．3．1 總體參數(shù)區(qū)間估計的概念和基本思想
5．3．2 單正態(tài)總體均值的區(qū)間估計
5．3．3 兩正態(tài)總體均值之差的區(qū)間估計
5．3．4 單側(cè)區(qū)間估計問題
5．4 一般總體均值和成數(shù)的大樣本區(qū)間估計
5．4．1 非正態(tài)總體均值的大樣本區(qū)間估計
5．4．2 總體成數(shù)（比例）的大樣本區(qū)間估計
5．4．3 單側(cè)區(qū)間估計
5．5 正態(tài)總體方差的區(qū)間估計
5．5．l 單正態(tài)總體方差的區(qū)間估計
5．5．2 兩正態(tài)總體方差之比的區(qū)間估計
5．6 樣本容量的確定
5．6．1 總體均值估計的必要樣本容量
5．6．2 總體成數(shù)估計的必要樣本容量
5．7 信息融合方法
5．7．1 貝葉斯信息融合方法
5．7．2 模糊信息融合方法
5．7．3 神經(jīng)網(wǎng)絡(luò)信息融合方法
5．7．4 D-S證據(jù)理論信息融合方法


第6章 目標(biāo)跟蹤融合
6．1 概述
6．1．1 目標(biāo)檢測跟蹤的含義
6．1．2 信息獲取技術(shù)
6．1．3 基本概念與術(shù)語
6．1．4 目標(biāo)探測與識別的信息鏈
6．1．5 目標(biāo)檢測方法的基本概念
6．1．6 目標(biāo)跟蹤方法涉及的基本問題
6．2 運動跟蹤
6．2．1 卡爾曼濾波
6．2．2 基于預(yù)測的運動跟蹤
6．3 多傳感器多模型概率數(shù)據(jù)關(guān)聯(lián)算法
6．3．1 多模型算法
6．3．2 相互作用多模型一概率數(shù)據(jù)關(guān)聯(lián)算法
6．3．3 多傳感器多模型一概率數(shù)據(jù)關(guān)聯(lián)濾波器
6．4 基于交互式多模型方法的目標(biāo)跟蹤
6．4．1 目標(biāo)建模
6．4．2 交互多模算法原理
6．4．3 案例分析


第7章 城市軌道交通的信息融合技術(shù)
7．1 概述
7．2 城市軌道交通的綜合監(jiān)控系統(tǒng)
7．2．1 綜合監(jiān)控系統(tǒng)的技術(shù)現(xiàn)狀
7．2．2 綜合監(jiān)控系統(tǒng)的技術(shù)發(fā)展方向
7．2．3 新一代城市軌道交通綜合信息管理系統(tǒng)
7．3 城市軌道交通的列車定位技術(shù)
7．3．1 軌旁定位技術(shù)
7．3．2 車載列車定位技術(shù)
7．3．3 基于多傳感器融合的列車測速定位方法
7．4 多傳感器信息融合技術(shù)下的軌道交通車站設(shè)備故障診斷
7．4．1 軌道交通車站設(shè)備
7．4．2 多傳感器信息融合技術(shù)在故障診斷中的應(yīng)用
7．5 信息融合技術(shù)下的地鐵中央空調(diào)風(fēng)機故障診斷
7．5．1 神經(jīng)網(wǎng)絡(luò)信息融合故障診斷技術(shù)
7．5．2 信息融合技術(shù)在故障診斷中的應(yīng)用
7．5．3 地鐵中央空調(diào)風(fēng)機故障診斷系統(tǒng)建立
7．6 基于數(shù)據(jù)融合的城市軌道交通線網(wǎng)指揮中心綜合信息平臺
7．6．1 網(wǎng)絡(luò)化運營需求分析
7．6．2 線網(wǎng)指揮中心綜合信息平臺的構(gòu)建
7．6．3 綜合信息平臺的關(guān)鍵技術(shù)


第8章 鐵道車輛的信息融合技術(shù)
8．1 概述
8．2 車輛定位系統(tǒng)的信息融合技術(shù)
8．2．1 GPS航位推算系統(tǒng)
8．2．2 DAB-GSM融合定位系統(tǒng)
8．2．3 CPS／DD／MM組合定位系統(tǒng)
8．3 鐵路5T系統(tǒng)的信息融合技術(shù)
8．3．1 5T系統(tǒng)簡介
8．3．2 5T數(shù)據(jù)接入和信息融合設(shè)計
8．4 高速列車遠程診斷與虛擬維護系統(tǒng)的信息融合技術(shù)
8．4．1 系統(tǒng)概述
8．4．2 技術(shù)方案
8．4．3 系統(tǒng)建立與主要功能


參考文獻