本書系統深入地闡述了分布式信息融合的理論與方法，作者將自己在信息融合方向的研究成果和對國內外最新研究動態與成果的理解及對其中錯誤的修正意見奉獻給相關專業的研究人員，以促進和引領國內分布式信息融合領域的發展和應用。 全書共11章，主要介紹了信息融合學科及其向分布式發展的動因、趨勢和挑戰性問題，分布式信息融合中的新概念和新方法，分布式融合系統的結構與估計算法，多傳感器特別是無線傳感網絡（WSN）面對的分布式目標聯合檢測理論和實現算法，多傳感器多目標跟蹤中各類分布式融合準則和關聯度量指標，分布式目標分類識別的特征、類型、結構和分類方法，分布環境中的威脅估計方法，一致性數據融合的概念和多傳感器分布式管理算法以及分布式融合發展的理論基礎等內容。 本書可作為信息融合學科高年級本科生、研究生的參考學習用書，也可供從事相關領域研究的高校教師、科研人員及從事相關行業的工程技術人員閱讀參考。
趙宗貴，研究員級高級工程師、博士生導師，享受國務院特殊津貼，國家中青年有突出貢獻專家，曾任電子工業部第二十八研究所科技委主任、副總工程師等，以及空軍、海軍、陸軍多項大型電子系統工程主師、總師，長期從事C4ISR系統論證、設計和研制工作，曾任獲國家科技進步一等獎、電子部科技進步特等獎、部委科技進步獎多項和光華科技基金獎。主要從事分布式信息融合技術和C4ISR基礎理論與方法研究。
第1章 信息融合及其分布式發展概述
1.1 信息融合技術發展沿革
1.2 數據融合模型的概要分類
1.3 JDL數據融合過程模型
1.3.1 JDL數據融合結構模型
1.3.2 JDL頂層融合模型的演變
1.3.3 JDL融合頂層模型的主要功能
1.4 Endsley態勢感知模型
1.5 影響信息融合學科發展的相關動向
1.6 信息時代對分布式信息融合的需求
1.7 分布式融合面臨的主要挑戰
參考文獻
第2章 面向網絡中心戰的分布式信息融合
2.1 網絡中心戰（NCW）的概念及背景
2.1.1 新軍事變革與聯合作戰
2.1.2 新軍事變革與信息化
2.1.3 新軍事變革與網絡中心戰
2.2 網絡中心戰（NCW）中的信息價值
2.2.1 網絡中心戰（NCW）中的信息價值概念
2.2.2 網絡中心戰（NCW）中的價值鏈
2.2.3 最優行動的期望效用
2.3 網絡中心戰（NCW）中的認知問題
2.3.1 認知的概念
2.3.2 認知的本質和過程
2.4 網絡中心戰（NCW）中的自組織和自同步
2.4.1 網絡中心戰（NCW）的主要特征
2.4.2 自組織的概念和效用
2.4.3 自同步的概念和效用
2.5 分布式信息融合在網絡中心戰（NCW）中的作用
2.5.1 分布式網絡中心戰（NCW）與分布式信息融合
2.5.2 信息融合對網絡中心戰（NCW）價值鏈的貢獻
2.5.3 信息融合在網絡中心戰（NCW）認知中的作用
2.5.4 信息融合在網絡中心戰（NCW）指揮控制中的作用
2.6 分布式信息融合中的挑戰性問題
參考文獻
第3章 分布式信息融合中的新概念和新方法
3.1 引言
3.2 分布式信息融合概念與問題概述
3.3 控制相關信息融合誤差的有界協方差增長方法
3.3.1 有界協方差增長控制方法的概念和應用背景
3.3.2 BCI模型
3.3.3 分散式目標跟蹤誤差分析案例
3.4 傳感器協同方法
3.4.1 極大和算法模型
3.4.2 極大和算法約束條件與模型求解
3.4.3 基于極大和算法的多傳感器協同跟蹤案例
3.5 自利平臺的優化協調方法
3.5.1 概念與背景
3.5.2 目標跟蹤中的多代理協調問題
3.5.3 目標跟蹤MAS模型的效用評價函數
3.5.4 考慮信道衰減的信息多級最優傳輸路徑
3.5.5 基于拍賣機制的網絡帶寬優化分配
3.5.6 仿真案例
3.6 合作對象信用估計
3.6.1 合同的期望效用與協方差的概念
3.6.2 基于獨立貝塔分布的合同信用估計
3.6.3 基于卡爾曼濾波的異類服務合同信用估計
3.6.4 合同信用模型仿真驗證案例
3.7 基于人—代理集合體（HAC）的分布式信息融合
3.7.1 問題的提出
3.7.2 人—代理集合體（HAC）中的用戶精煉
3.7.3 人—代理集合體（HAC）中的用戶控制與管理
3.7.4 用戶在人—代理集合體（HAC）系統評估中的作用
3.7.5 人—代理集合體（HAC）設計中的挑戰與機遇
3.8 本章小結
參考文獻
第4章 分布式融合結構與估計算法
4.1 引言
4.2 分布式信息融合結構
4.2.1 融合結構的依賴因素
4.2.2 融合結構與依賴因素之間的關系
4.2.3 分布式融合結構的選擇基準
4.2.4 分布式融合結構分類
4.3 分布式融合信息圖
4.3.1 單連接信息圖
4.3.2 無反饋層次融合的多連接信息圖及連接轉換
4.3.3 有反饋層次融合信息圖及連接轉換
4.3.4 對等式分布融合信息圖及連接轉換
4.4 分布式估計算法
4.4.1 分布式估計概述
4.4.2 貝葉斯分布估計中的重復信息去除原理
4.4.3 最優貝葉斯分布融合算法
4.4.4 次優貝葉斯分布融合算法
4.4.5 高斯分布或帶有誤差協方差估計的全局估計
4.5 目標跟蹤中的分布式估計
4.5.1 問題描述
4.5.2 確定性動態過程
4.5.3 非確定性動態過程
4.6 對象分類識別的分布式估計
4.6.1 對象分類的分布式識別結構
4.6.2 對象分類的分布式識別算法
4.7 本章小結
參考文獻
第5章 多傳感器分布式目標檢測
5.1 分布式檢測問題描述
5.1.1 集中式與分布式檢測
5.1.2 分布式檢測結構與模型
5.2 基于LRT的分布式檢測方法
5.2.1 貝葉斯分布式檢測
5.2.2 基于LRT的奈曼—皮爾遜檢測方法
5.2.3 基于LRT的融合檢測邏輯設計
5.3 基于計數表決規則的WSN檢測方法
5.3.1 計數表決檢測方法
5.3.2 多傳感器全局表決檢測準則
5.3.3 不同性能傳感器的全局表決檢測通用模型
5.3.4 同類傳感器表決檢測通用模型
5.4 基于虛發現率的分布式檢測門限控制
5.4.1 統計學中的多比較問題
5.4.2 基于FDR局部門限控制的全局優化檢測算法
5.4.3 基于FDR的分布式檢測系統設計
5.5 相關情況的分布式檢測
5.5.1 基于相關觀測的最優分布式檢測研究現狀
5.5.2 基于相關局部判定的最優分布式檢測研究現狀
5.5.3 進一步說明
5.6 非理想通信信道下的分布式檢測
5.6.1 概念與模型
5.6.2 考慮信道衰減的分布式檢測規則
5.6.3 基于部分信道狀態的分布式檢測
5.6.4 具有非信道狀態信息的分布式檢測
5.7 本章小結
參考文獻
第6章 航跡融合與航跡關聯——分布式多目標跟蹤要點
6.1 引言
6.2 航跡融合的概念與模型
6.2.1 目標動態與觀測模型
6.2.2 一次航跡融合的概念
6.2.3 反復航跡融合的概念
6.3 一次航跡融合準則
6.3.1 一次航跡融合狀態估計及其協方差
6.3.2 融合準則
6.3.3 航跡融合準則性能評估基準
6.4 一次航跡融合準則性能評估案例
6.4.1 案例劇情模型
6.4.2 追加傳感器情況仿真案例
6.4.3 互補傳感器情況仿真案例
6.5 目標連續跟蹤中的反復航跡融合
6.5.1 反復航跡融合結構與分類
6.5.2 不帶反饋的反復航跡融合
6.5.3 帶反饋的反復航跡融合
6.6 分布式航跡關聯
6.6.1 航跡關聯的基本假設與評估函數
6.6.2 航跡關聯度量指標及其計算
6.6.3 航跡關聯度量指標比較仿真案例
6.7 本章小結
參考文獻
第7章 分布式目標分類識別
7.1 目標分類的概念與應用需求
7.2 目標分類/識別方法
7.2.1 基于不確定性的目標分類/識別方法
7.2.2 目標分類/識別的基本步驟
7.2.3 分布式目標分類識別方法的特點
7.2.4 目標類別與識別特征的關系
7.3 目標分類方法的基本類型
7.3.1 “產生”型目標分類識別方法
7.3.2 “差異”型目標分類識別方法
7.3.3 混合型目標分類識別方法
7.4 多級目標分類識別結構
7.5 分布式目標分類識別中的新問題
7.5.1 顯式重復計算
7.5.2 隱式重復計算
7.5.3 采用硬說明的傳統融合識別系統
7.5.4 混合不確定性表示
7.6 基于局部分類器的全局融合識別
7.6.1 多分類器融合技術的分類
7.6.2 分類器組合方法
7.7 最優分布式貝葉斯目標分類方法
7.7.1 集中式目標分類算法
7.7.2 分布式目標分類算法
7.7.3 分布式目標分類識別系統的通信策略
7.8 分布式目標分類識別算法比較
7.8.1 目標分類識別算法性能仿真與評估方法
7.8.2 目標分類融合識別算法仿真比較
7.9 本章小結
參考文獻
第8章 多傳感器一致性數據融合
8.1 引言
8.2 基于分位數的離異值剔除方法
8.2.1 一維情形
8.2.2 多維情形
8.3 基于模糊集理論的多傳感器一致性數據融合
8.4 基于統計距離矩陣特征值的一致性數據融合
8.5 基于置信距離的多傳感器一致性數據融合
8.5.1 一維情形的置信距離
8.5.2 多維情形的置信距離
8.5.3 基于置信距離的一致性數據融合方法
8.6 基于測量精度分級的多傳感器一致性數據融合
8.6.1 兩個傳感器測量數據偏差的概率比較
8.6.2 兩傳感器融合偏差與傳感器測量偏差的概率比較
8.6.3 基于精度分級的多傳感器一致性數據融合實現方法
8.6.4 計算案例
8.7 本章小結
參考文獻
第9章 分布式信息融合發展的理論基礎
9.1 引言
9.2 單目標分布式融合概述
9.2.1 單目標貝葉斯濾波
9.2.2 獨立數據源的T2F
9.2.3 非獨立數據源的T2F
9.2.4 協方差交集（CI）航跡融合
9.2.5 指數混合（XM）融合
9.3 基于有限集統計學的多目標濾波方法
9.3.1 多傳感器多目標遞推貝葉斯濾波
9.3.2 多目標隨機分布的計算方法
9.3.3 概率假設密度（PHD）濾波
9.3.4 基數概率假設密度（CPHD）濾波
9.3.5 基于隨機集的濾波技術應用近況
9.4 基于單目標融合擴展的多目標分布式融合
9.4.1 獨立數據源的多目標T2F
9.4.2 非獨立數據源的多目標T2F
9.4.3 多目標指數混合（XM）融合
9.5 基于CPHD/PHD濾波的多目標航跡融合公式
9.5.1 基于CPHD濾波的獨立跟蹤源T2F公式
9.5.2 基于PHD濾波的獨立跟蹤源T2F公式
9.5.3 基于CPHD濾波和PHD濾波的相關跟蹤源T2F公式
9.5.4 基于CPHD濾波的多目標分布密度的指數混合（XM）融合近似
9.5.5 基于PHD濾波的多目標分布密度的指數混合（XM）融合近似
9.6 基于CPHD濾波和PHD濾波的多目標T2F實現案例
9.6.1 基于CPHD/PHD濾波的多目標T2F公式實現
9.6.2 多目標指數混合（XM）T2F近似公式的計算實現
9.7 本章小結
參考文獻
第10章 分布式環境中的威脅估計
10.1 威脅估計基本概念
10.1.1 威脅與威脅對象
10.1.2 威脅估計概念
10.1.3 威脅估計的特征與內涵
10.1.4 威脅估計要素及其層次結構
10.1.5 威脅估計結果的表示方法
10.2 基于假設評估的威脅估計推理模型
10.2.1 威脅估計模型
10.2.2 威脅估計的多假設推理
10.2.3 威脅估計推理中的多假設評估
10.3 威脅估計方法
10.3.1 基于隨機區間的目標威脅估計方法
10.3.2 基于模糊模式識別的目標威脅估計算法
10.3.3 基于決策樹學習的目標威脅估計算法
10.4 多目標威脅估計方法
10.4.1 威脅函數與威脅值
10.4.2 基于多價值準則的多目標威脅評估方法
10.5 分布式環境中目標威脅估計的控制模式
10.5.1 分布式威脅估計的優勢
10.5.2 分布式威脅估計的環境要求
10.5.3 分布式威脅估計的協同模式
10.5.4 分布式協同威脅估計案例
10.6 通信狀態對分布式威脅估計的影響
10.6.1 通信中斷狀態產生的影響
10.6.2 通信降級狀態產生的影響
參考文獻
第11章 分布式傳感器管理
11.1 概述
11.1.1 傳感器管理的概念
11.1.2 傳感器管理的內涵和效用
11.1.3 傳感器管理的功能
11.2 基于效用函數的目標探測傳感器資源管理算法
11.2.1 問題描述
11.2.2 基于效用的傳感器資源分配數學模型
11.2.3 仿真例子
11.3 基于模糊推理的傳感器管理算法
11.3.1 問題描述
11.3.2 基于模糊推理的傳感器管理算法
11.3.3 性能指標
11.3.4 仿真例子
11.4 基于組合雙向拍賣的傳感器管理算法
11.4.1 問題描述
11.4.2 基于多資源組合雙向拍賣的傳感器管理算法
11.4.3 仿真例子
11.5 本章小結
參考文獻
新書資訊