第1章 绪论1.1 多源信息融合的一般概念与定义1.1.1 定义1.1.2 多源信息融合的优势1.1.3 应用领域1.2 信息融合系统的模型和结构1.2.1 功能模型1.2.2 信息融合的级别1.2.3 通用处理结构1.3 多源信息融合主要技术和方法1.4 信息融合要解决的几个关键问题1.5 发展起源、现状与未来参考文献第2章 统计推断与估计理论基础2.1 点估计理论基础2.1.1 一般概念2.1.2 Bayes点估计理论2.1.3 BLUE估计2.1.4 WLS估计2.1.5 ML估计2.1.6 PC估计2.1.7 RLS估计与LMS估计2.2 期望极大化(EM)方法2.2.1 概述2.2.2 EM算法描述2.2.3 混合Gauss参数估计的EM算法实例2.3 线性动态系统的滤波理论与算法2.3.1 离散时间线性系统状态估计问题的一般描述2.3.2 基本Ka1man滤波器2.3.3 信息滤波器2.3.4 噪声相关的Kalman滤波器2.4 非线性动态系统的滤波理论与算法2.4.1 扩展Kalman滤波器(EKF)2.4.2 UKF滤波2.4.3 Bayes滤波2.5 基于随机抽样的过程估计理论与算法2.5.1 传统Bayes估计面临的挑战与解决的新思路2.5.2 MonteCarlo仿真的随机抽样2.5.3 Markov Chain Monte Carlo抽样2.5.4 粒子滤波的一般方法2.6 混合系统状态估计理论2.6.1 一般描述2.6.2 多模型方法简述2.6.3 定结构多模型估计2.6.4 交互式多模型算法2.6.5 变结构多模型(VSMM)算法概述2.7 小结参考文献第3章 智能计算与识别理论基础3.1 概述3.1.1 模式识别的一般概念3.1.2 智能学习与统计模式识别3.2 粗糙集理论基础3.2.1 信息系统的一般概念3.2.2 决策系统的不可分辨性3.2.3 集合近似3.2.4 属性约简3.2.5 粗糙隶属度3.2.6 广义粗集3.3 证据理论基础3.3.1 概述3.3.2 mass函数、信度函数与似真度函数3.3.3 Dempster-Shafer合成公式3.3.4 证据推理3.3.5 证据理论中的不确定度指标3.3.6 证据理论存在的主要问题与发展3.4 随机集理论基础3.4.1 一般概念3.4.2 概率模型3.4.3 随机集的mass函数模型3.4.4 随机集与模糊集的转换3.5 随机有限集概略3.5.1 概述3.5.2 随机有限集的概念3.5.3 随机有限集的统计3.5.4 随机有限集的Bayes滤波3.6 统计学习理论与支持向量机基础3.6.1 统计学习理论的一般概念3.6.2 学习机的VC维与风险界3.6.3 线性支持向量机3.6.4 非线性支持向量机3.6.5 用于孤立点发现的One-class SVM算法3.6.6 最小二乘支持向量机3.6.7 模糊支持向量机3.6.8 小波支持向量机3.6.9 核主成分分析3.7.Bayes网络基础3.7.1 Bayes网络的一般概念3.7.2 独立性假设3.7.3 一致性概率3.7.4 ：Bayes网络推断3.8 小结参考文献第4章 目标跟踪4.1 基本概念与原理4.2 跟踪门4.2.1 滤波残差4.2.2 矩形跟踪门4.2.3 椭球跟踪门4.2.4 其他跟踪门4.3 目标运动模型4.3.1 机动目标跟踪的数学模型4.3.2 非机动目标动态模型4.3.3 坐标不耦合的目标机动模型4.3.4 二维水平运动模型4.3.5 三维模型4.4 量测模型4.4.1 传感器坐标模型4.4.2 在各种坐标系中的跟踪4.4.3 混合坐标系的线性化模型4.4.4 笛卡儿坐标系下的模型4.5 雷达量测转换4.5.1 二维去偏量测转换4.5.2 三维去偏量测转换4.5.3 无偏量测转换4.5.4 修正的无偏量测转换4.6 基于雷达量测和BLUE准则的目标跟踪4.6.1 基于BLUE准则的二维量测转换4.6.2 基于BLUE准则的三维量测转换4.7 带Doppler量测的雷达目标跟踪4.7.1 极坐标系中带Doppler量测的雷达目标跟踪4.7.2 球坐标系中带Doppler量测的雷达目标跟踪4.8 时间与空间配准4.8.1 问题描述4.8.2 时间配准算法4.8.3 常用坐标系4.8.4 坐标转换4.8.5 空间配准算法概述4.8.6 二维空间配准算法4.8.7 精确极大似然空间配准算法4.8.8 基于地心坐标系的空间配准算法4.9 基于随机有限集的多目标跟踪概述4.9.1 RFS目标运动和量测模型4.9.2 概率假设密度(PHD)滤波器4.9.3 基数概率假设密度(CPHD)滤波器4.9.4 Gaussian-Mixture PHD(GM-PHD)滤波器4.1 0小结参考文献第5章 检测融合5.1 概论5.2 并行结构融合系统的最优分布式检测融合算法5.2.1 系统描述5.2.2 最优分布式检测的必要条件……第6章 估计融合第7章 数据关联第8章 异步融合第9章 图像融合第10章 异类融合第11章 智能交通与信息融合第12章 态势评估和威胁估计参考文献