第1章 緒論
　1．1本書的目的
　1．2信息融合的主要挑戰(zhàn)
　1．3為什么需要隨機集或FIssT
　　　1．3．1多目標濾波的復(fù)雜性
　　　1．3．2超越啟發(fā)式
　　　1．3．3單目標與多目標統(tǒng)計學(xué)的區(qū)別
　　　1．3．4常規(guī)數(shù)據(jù)與模糊數(shù)據(jù)的區(qū)別
　　　1．3．5形式化貝葉斯建模
　　　1．3．6模糊信息建模
　　　1．3．7多源多目標形式化建模
　1．4信息融合中的隨機集
　　　1．4．1多目標系統(tǒng)統(tǒng)計學(xué)
　　　1．4．2專家系統(tǒng)統(tǒng)計學(xué)
　　　1．4．3有限集統(tǒng)計學(xué)

第1章 緒論

　1．1本書的目的

　1．2信息融合的主要挑戰(zhàn)

　1．3為什么需要隨機集或FIssT

　　　1．3．1多目標濾波的復(fù)雜性

　　　1．3．2超越啟發(fā)式

　　　1．3．3單目標與多目標統(tǒng)計學(xué)的區(qū)別

　　　1．3．4常規(guī)數(shù)據(jù)與模糊數(shù)據(jù)的區(qū)別

　　　1．3．5形式化貝葉斯建模

　　　1．3．6模糊信息建模

　　　1．3．7多源多目標形式化建模

　1．4信息融合中的隨機集

　　　1．4．1多目標系統(tǒng)統(tǒng)計學(xué)

　　　1．4．2專家系統(tǒng)統(tǒng)計學(xué)

　　　1．4．3有限集統(tǒng)計學(xué)

　1．5本書的結(jié)構(gòu)

　　　1．5．1第1篇：統(tǒng)一化的單目標多源融合

　　　1．5．2第1I篇：統(tǒng)一化的多目標多源融合

　　　1．5．3第1II篇：多目標濾波的近似方法

　　　1．5．4附錄

第1篇 統(tǒng)一化的單目標多源融合

　第2章 單目標濾波

　　2．1本章簡介

　　　2．1．1要點概述

　　　2．1．2本章結(jié)構(gòu)

　　2．2卡爾曼濾波器

　　　2．2．1初始化

　　　2．2．2預(yù)測器

　　　2．2．3校正器

　　　2．2．4卡爾曼濾波器的推導(dǎo)

　　　2．2．5基于卡爾曼濾波器的觀測融合

　　　2．2．6固定增益卡爾曼濾波器

　　2．3卡爾曼濾波器的貝葉斯表示

　　　2．3．1數(shù)學(xué)預(yù)備知識

　　　2．3．2KF的貝葉斯表示：預(yù)測器

　　　2．3．3KF的貝葉斯表示：校正器

　　　2．3．4KF的貝葉斯表示：估計

　　2．4單目標貝葉斯濾波器

　　　2．4．1簡單實例

　　　2．4．2與卡爾曼濾波器的關(guān)系

　　　2．4．3建模

　　　2．4．4形式化貝葉斯建模

　　　2．4．5初始化

　　　2．4．6預(yù)測器

　　　2．4．7校正器

　　　2．4．8狀態(tài)估計

　　　2．4．9誤差估計

　　　2．4．10數(shù)據(jù)融合

　　　2．4．11計算方法

　　2．5實現(xiàn)技術(shù)

　　　2．5．1泰勒級數(shù)近似：EKF

　　　2．5．2混合高斯近似

　　　2．5．3序貫蒙特卡羅近似

　　2．6本章習(xí)題

　第3章 通用的數(shù)據(jù)建模

　　3．1本章簡介

　　　3．1．1要點概述

　　　3．1．2本章結(jié)構(gòu)

　　3．2不確定性建模中的問題

　　3．3數(shù)據(jù)不確定性建模中的問題

　　3．4例子

　　　3．4．1含有少量不精確性的隨機觀測

　　　3．4．2含有少量隨機性的不精確觀測

　　　3．4．3非隨機的模糊觀測

　　　3．4．4非隨機的不確定性觀測

　　　3．4．5模糊與隨機

第II篇 統(tǒng)一化的多目標多源融合

第III篇 多目標濾波器的近似方法

附錄

參考文獻