| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-24页 |
| 第1节 数据融合概述 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·数据融合的基本概念 | 第10-11页 |
| ·数据融合的定义 | 第11-12页 |
| ·数据融合的发展概况 | 第12-14页 |
| 第2节 数据融合的模型 | 第14-19页 |
| ·处理层0 | 第15页 |
| ·处理层1 | 第15-16页 |
| ·处理层2 | 第16页 |
| ·处理层3 | 第16-17页 |
| ·处理层4 | 第17页 |
| ·融合过程 | 第17页 |
| ·JDL模型框架中数据融合的主要关键技术 | 第17-19页 |
| 第3节 本文的研究内容及创新 | 第19-22页 |
| 参考文献 | 第22-24页 |
| 第2章 信息的不确定性研究 | 第24-38页 |
| 第1节 不确定信息的表示 | 第24-28页 |
| ·概率测度 | 第24页 |
| ·D-S证据理论 | 第24-25页 |
| ·模糊理论基础及模糊测度 | 第25-28页 |
| 第2节 不确定信息的测度 | 第28-34页 |
| ·香农熵 | 第28-29页 |
| ·Kullback-Leibler(K-L)距离 | 第29页 |
| ·D-S证据理论的不确定性测度 | 第29-32页 |
| ·模糊测度的不确定度 | 第32-34页 |
| 第3节 本章小结 | 第34-35页 |
| 参考文献 | 第35-38页 |
| 第3章 传感器管理 | 第38-60页 |
| 第1节 传感器及其特性 | 第38-39页 |
| 第2节 传感器管理概述 | 第39-47页 |
| ·传感器管理的目的 | 第39-40页 |
| ·传感器管理在数据融合中的应用 | 第40页 |
| ·传感器管理的范围 | 第40-41页 |
| ·多传感器管理的体系结构 | 第41-42页 |
| ·传感器管理的方法 | 第42-44页 |
| ·传感器管理的应用 | 第44-47页 |
| 第3节 基于目标特征的信息增量测度 | 第47-51页 |
| ·模式识别系统中基于目标特征的信息增量测度 | 第48-50页 |
| ·实例分析 | 第50-51页 |
| 第4节 基于微粒群算法的传感器管理方法 | 第51-56页 |
| ·微粒群算法 | 第51-53页 |
| ·基于微粒群算法的传感器管理方法 | 第53-56页 |
| 第5节 本章小结 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 第4章 基于模糊信息的特征层融合 | 第60-92页 |
| 第1节 概述 | 第60-61页 |
| ·像素层融合 | 第60页 |
| ·特征层融合 | 第60-61页 |
| ·决策层融合 | 第61页 |
| 第2节 目标特征分析和提取 | 第61-70页 |
| ·可见光图像中目标特征 | 第62-64页 |
| ·SAR图像中目标特征 | 第64-66页 |
| ·爱国者导弹阵地特征分析 | 第66-67页 |
| ·特征的选择与优化 | 第67-70页 |
| 第3节 基于模糊积分的特征层融合算法 | 第70-75页 |
| ·模糊密度 | 第70-71页 |
| ·模糊积分 | 第71页 |
| ·算法框图 | 第71-72页 |
| ·可疑目标的提取以及特征的选择 | 第72-73页 |
| ·模糊隶属度和模糊密度的确定 | 第73页 |
| ·融合规则 | 第73-74页 |
| ·实验结果 | 第74-75页 |
| 第4节 基于模糊逻辑的融合方法 | 第75-78页 |
| ·模糊系统 | 第75-77页 |
| ·模糊逻辑系统融合框图 | 第77页 |
| ·模糊逻辑方法存在的问题 | 第77-78页 |
| 第5节 改进的基于证据组合的融合方法 | 第78-83页 |
| ·D-S证据理论的融合方法 | 第78-81页 |
| ·改进的证据组合方法 | 第81-83页 |
| 第6节 模糊证据组合的特征层融合实现 | 第83-88页 |
| ·算法框图 | 第84页 |
| ·特征模糊隶属度的确定 | 第84-85页 |
| ·单源目标识别 | 第85-86页 |
| ·特征层融合识别及实验结果 | 第86-88页 |
| 第7节 本章小结 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 第5章 数据融合系统的性能评估 | 第92-112页 |
| 第1节 概述 | 第92-98页 |
| ·JDL模型框架中的性能评价 | 第92-95页 |
| ·图像融合评估 | 第95-98页 |
| ·基于信息论的融合性能评估方法 | 第98页 |
| 第2节 基于D-S理论的数据融合性能评估方法 | 第98-103页 |
| ·融合前后系统的不确定度改变 | 第99-100页 |
| ·数据融合性能评估仿真实验 | 第100-103页 |
| 第3节 基于广义相对信息熵的数据融合系统性能评估 | 第103-107页 |
| ·用相对熵度量数据融合获取的信息量 | 第103-104页 |
| ·基于模糊综合评判的数据融合系统性能评估 | 第104-106页 |
| ·模糊积分特征层融合的性能评估 | 第106-107页 |
| 第4节 本章小结 | 第107-108页 |
| 参考文献 | 第108-112页 |
| 第6章 战场态势评估 | 第112-134页 |
| 第1节 概述 | 第112-115页 |
| ·态势评估的定义 | 第112-113页 |
| ·态势评估要素 | 第113页 |
| ·态势评估的模型 | 第113-115页 |
| 第2节 条件事件代数及其在态势估计中的应用 | 第115-122页 |
| ·问题的提出 | 第116-118页 |
| ·条件事件代数定义 | 第118-120页 |
| ·乘积空间条件事件代数(Production Space CEA) | 第120-121页 |
| ·乘积条件事件代数在数据融合中的应用举例 | 第121-122页 |
| 第3节 引入条件事件代数的贝叶斯网络在态势评估中的应用 | 第122-127页 |
| ·贝叶斯网络 | 第122-124页 |
| ·将条件事件代数的引入贝叶斯网络 | 第124页 |
| ·实例分析 | 第124-127页 |
| 第4节 本章小结 | 第127-129页 |
| 参考文献 | 第129-134页 |
| 第7章 结束语 | 第134-136页 |
| 在读期间发表的论文 | 第136页 |
| 在读期间参加的项目 | 第136-137页 |
| 致谢 | 第137页 |