前言 變量表 第1 章 緒論 1 1.1 背景與意義 1 1.2 量化信息融合簡(jiǎn)介 3 1.2.1 信息融合概述 4 1.2.2 信息融合發(fā)展概況 5 1.2.3 量化信息融合概述 6 1.3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)簡(jiǎn)介 8 1.3.1 傳感器節(jié)點(diǎn)結(jié)構(gòu) 9 1.3.2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 9 1.3.3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的功能結(jié)構(gòu) 11 1.4 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中狀態(tài)估計(jì)與信息融合 12 第2 章 狀態(tài)估計(jì)與信息融合相關(guān)理論 18 2.1 引言 18 2.2 估計(jì)理論 18 2.2.1 擴(kuò)展卡爾曼濾波 19 2.2.2 無(wú)跡卡爾曼濾波 20 2.2.3 粒子濾波技術(shù) 22 2.2.4 交互式多模型濾波 23 2.3 魯棒估計(jì)方法 25 2.3.1 魯棒濾波概述 25 2.3.2 降階魯棒濾波器 26 2.4 信息融合角度的魯棒估計(jì) 37 2.4.1 信息融合的分類(lèi) 37 2.4.2 統(tǒng)一的信息融合模型及其最優(yōu)解 39 2.4.3 魯棒信息融合濾波 42 2.4.4 仿真分析 43 2.5 本章小結(jié) 44 第3 章 均勻量化測(cè)量與融合 45 3.1 引言 45 3.2 問(wèn)題描述 45 3.3 量化噪聲分析 47 3.3.1 量化噪聲的概率密度函數(shù) 47 3.3.2 量化噪聲的概率密度函數(shù)估計(jì) 52 3.4 基于均勻量化測(cè)量的目標(biāo)狀態(tài)估計(jì) 53 3.5 仿真分析 55 3.5.1 量化測(cè)量誤差的概率密度 56 3.5.2 均勻量化條件下的目標(biāo)跟蹤仿真 58 3.6 本章小結(jié) 60 第4 章 自適應(yīng)量化測(cè)量與融合 61 4.1 引言 61 4.2 模型建立 61 4.2.1 能量模型 63 4.2.2 概率量化策略 63 4.2.3 優(yōu)化模型建立 64 4.3 自適應(yīng)帶寬分配 65 4.3.1 測(cè)量擴(kuò)維情況下的帶寬分配策略 65 4.3.2 測(cè)量加權(quán)情況下的帶寬分配策略 66 4.3.3 噪聲相關(guān)情況下的帶寬分配策略 68 4.4 自適應(yīng)量化閾值 70 4.5 基于粒子濾波的目標(biāo)跟蹤 75 4.6 性能分析 76 4.7 仿真與分析 79 4.7.1 自適應(yīng)帶寬分配 80 4.7.2 噪聲相關(guān)情況 82 4.7.3 自適應(yīng)閾值仿真 84 4.8 本章小結(jié) 86 第5 章 量化新息與融合 87 5.1 引言 87 5.2 問(wèn)題描述 87 5.3 基于量化新息的狀態(tài)估計(jì) 89 5.3.1 量化新息和傳輸策略 89 5.3.2 基于量化新息的狀態(tài)估計(jì)方法 91 5.3.3 量化新息卡爾曼濾波器 92 5.4 性能分析 95 5.5 仿真與分析 98 5.6 本章小結(jié) 104 第6 章 分布式量化航跡融合 105 6.1 引言 105 6.2 傳統(tǒng)航跡融合方法簡(jiǎn)介 105 6.2.1 信息融合卡爾曼濾波算法 106 6.2.2 加權(quán)平均法 107 6.2.3 協(xié)方差交叉法 107 6.3 資源受限的航跡融合 108 6.3.1 協(xié)方差陣的壓縮處理 108 6.3.2 量化策略 113 6.4 穩(wěn)健航跡融合方法—內(nèi)橢球逼近法 117 6.4.1 算法提出 117 6.4.2 仿真與比較 120 6.5 傳感器節(jié)點(diǎn)動(dòng)態(tài)分簇 122 6.5.1 相關(guān)工作 122 6.5.2 目標(biāo)導(dǎo)向動(dòng)態(tài)分簇策略 123 6.6 仿真與分析 125 6.7 本章小結(jié) 130 第7 章 信道感知目標(biāo)跟蹤及跨層優(yōu)化 131 7.1 引言 131 7.2 傳輸信道及其模型 131 7.2.1 無(wú)線(xiàn)信道的分類(lèi) 131 7.2.2 二元對(duì)稱(chēng)離散信道 132 7.3 信道感知目標(biāo)跟蹤 133 7.3.1 問(wèn)題描述 133 7.3.2 目標(biāo)跟蹤策略 134 7.3.3 性能分析 135 7.4 跨層設(shè)計(jì)與優(yōu)化 136 7.4.1 基于信道感知CRLB 的傳感器調(diào)度 137 7.4.2 啟發(fā)式調(diào)度策略 139 7.5 仿真與分析 140 7.5.1 仿真平臺(tái)搭建 140 7.5.2 結(jié)果與討論 141 7.6 本章小結(jié) 143 第8 章 對(duì)等網(wǎng)絡(luò)中分布式協(xié)同目標(biāo)跟蹤 144 8.1 引言 144 8.2 P2P 傳感器網(wǎng)絡(luò)及其圖模型 144 8.3 協(xié)同策略 146 8.3.1 傳統(tǒng)方法 146 8.3.2 新協(xié)同算法及其性能分析 148 8.3.3 仿真分析 150 8.4 信息濾波器 152 8.4.1 信息卡爾曼濾波器 152 8.4.2 信息魯棒濾波器 153 8.4.3 信息形式Sigma 點(diǎn)濾波器 154 8.5 分布式協(xié)同濾波器 157 8.5.1 分布式協(xié)同卡爾曼濾波器 157 8.5.2 分布式協(xié)同魯棒濾波器 158 8.5.3 分布式協(xié)同Sigma 點(diǎn)卡爾曼濾波器 159 8.6 量化情況下動(dòng)態(tài)協(xié)同目標(biāo)狀態(tài)估計(jì)融合 161 8.7 分布式協(xié)同估計(jì)融合框架 161 8.8 仿真與分析 162 8.8.1 分布式穩(wěn)健濾波器 162 8.8.2 分布式Sigma 點(diǎn)濾波 164 8.8.3 量化情形 167 8.9 本章小結(jié) 169 第9 章 基于量化信息融合的目標(biāo)跟蹤應(yīng)用 170 9.1 引言 170 9.2 系統(tǒng)體系結(jié)構(gòu)設(shè)計(jì) 170 9.3 數(shù)據(jù)生成 171 9.3.1 場(chǎng)景數(shù)據(jù)生成 171 9.3.2 監(jiān)測(cè)數(shù)據(jù)生成 172 9.3.3 數(shù)據(jù)傳輸設(shè)計(jì) 173 9.4 單目標(biāo)跟蹤情形 173 9.4.1 數(shù)據(jù)預(yù)處理 173 9.4.2 結(jié)果與分析 173 9.5 多目標(biāo)跟蹤情形 179 9.5.1 目標(biāo)運(yùn)動(dòng)模型 179 9.5.2 傳感器測(cè)量模型 180 9.5.3 多目標(biāo)情形測(cè)量解模糊 180 9.5.4 結(jié)果與分析 182 9.6 基于WSN 的目標(biāo)跟蹤硬件平臺(tái) 185 9.6.1 系統(tǒng)體系結(jié)構(gòu) 186 9.6.2 無(wú)線(xiàn)傳感器節(jié)點(diǎn) 187 9.6.3 網(wǎng)絡(luò)通信協(xié)議 191 9.6.4 上位機(jī)顯示 195 9.7 實(shí)驗(yàn)與分析 196 9.7.1 場(chǎng)景設(shè)置 196 9.7.2 結(jié)果與分析 197 9.8 本章小結(jié) 200 參考文獻(xiàn) 201