多傳感器信息融合估計理論及其在智能制造中的應(yīng)用

目錄
第1章緒論（1）
1.1引言（1）
1.2信息融合系統(tǒng)結(jié)構(gòu)（2）
1.3信息融合技術(shù)的基本理論（3）
1.3.1信息融合的基本數(shù)學方法（3）
1.3.2信號級融合（4）
1.3.3特征級融合（6）
1.3.4決策級融合（7）
1.3.5信息融合系統(tǒng)中的傳感器管理（7）
1.4信息融合技術(shù)的應(yīng)用（8）
1.4.1軍事領(lǐng)域（8）
1.4.2民用、工業(yè)及經(jīng)濟領(lǐng)域（8）
1.4.3機器人及智能交通（8）
1.4.4防火（9）
1.4.5地球科學（9）
1.4.6疾病診斷（9）
1.4.7其他（10）
1.5研究現(xiàn)狀（10）
1.5.1檢測級融合（10）
1.5.2數(shù)據(jù)互聯(lián)（12）
1.5.3狀態(tài)融合估計（14）
1.5.4特征級融合及決策級融合（16）
1.5.5傳感器管理（17）
第2章多傳感器信息融合估計理論基礎(chǔ)（19）
2.1引言（19）
2.2融合估計算法（20）
2.2.1測量數(shù)據(jù)融合算法（22）
2.2.2兩種測量數(shù)據(jù)融合方法的性能分析（23）
2.2.3tracktotrack融合估計算法（31）
2.2.4分布式最優(yōu)融合估計算法（34）
多傳感器信息融合估計理論及其在智能制造中的應(yīng)用目錄2.3分布式不相關(guān)優(yōu)化融合估計（36）
2.3.1估計協(xié)方差Pij的消除（37）
2.3.2分布式不相關(guān)優(yōu)化融合估計算法基本形式及其性能（39）
2.3.3穩(wěn)態(tài)分布式不相關(guān)優(yōu)化融合估計（41）
2.3.4仿真實驗（41）
2.3.5本節(jié)小結(jié)（44）
2.4最優(yōu)融合估計的方差性能研究（45）
2.4.1方差性能函數(shù)的定義（45）
2.4.2方差性能函數(shù)與融合估計方差的關(guān)系（45）
2.4.3討論（47）
2.4.4仿真實驗（48）
2.4.5本節(jié)小結(jié)（50）
第3章參數(shù)不確定多傳感器系統(tǒng)的融合估計（51）
3.1引言（51）
3.2參數(shù)不確定多傳感器信息融合系統(tǒng)模型（52）
3.2.1范數(shù)有界不確定模型（52）
3.2.2多胞型不確定模型（53）
3.3集中式魯棒H∞融合估計（54）
3.3.1問題描述（54）
3.3.2基于范數(shù)有界不確定描述模型的集中式融合估計（54）
3.3.3基于多胞型不確定描述模型的集中式融合估計（60）
3.3.4仿真實驗與性能分析（63）
3.4分布式魯棒H∞融合估計（68）
3.4.1問題描述（68）
3.4.2分布式魯棒H∞融合估計方法（68）
3.4.3仿真實驗（70）
3.5本章小結(jié)（73）
第4章非標準多傳感器系統(tǒng)的最優(yōu)融合估計（74）
4.1引言（74）
4.2系統(tǒng)模型（74）
4.3單傳感器狀態(tài)估計（75）
4.4最優(yōu)融合估計（76）
4.4.1集中式融合估計算法（76）
4.4.2分布式融合估計算法（77）
4.5多級式最優(yōu)融合估計（77）
4.5.1多級式多傳感器系統(tǒng)模型（77）
4.5.2集集式融合估計算法（78）
4.5.3分分式融合估計算法（79）
4.5.4集分式融合估計算法（80）
4.6本章小結(jié)（80）
第5章測量噪聲相關(guān)的多傳感器系統(tǒng)融合估計（81）
5.1引言（81）
5.2系統(tǒng)模型（81）
5.3最優(yōu)融合估計方法（82）
5.3.1相關(guān)測量噪聲方差矩陣的解耦（82）
5.3.2集中式融合估計算法（84）
5.3.3分布式融合估計算法（84）
5.3.4仿真實驗（86）
5.4PeiRadman融合估計方法（86）
5.4.1PeiRadman多傳感器信息融合系統(tǒng)的定義（86）
5.4.2PeiRadman融合估計算法（87）
5.4.3仿真實驗（90）
5.5魯棒H∞分解合并融合估計算法（92）
5.5.1系統(tǒng)模型變換及分解合并估計原理（92）
5.5.2魯棒H∞分解合并融合估計算法（93）
5.5.3仿真實驗（95）
5.6本章小結(jié)（98）
第6章狀態(tài)融合估計理論在成紙定量估計中的應(yīng)用（100）
6.1引言（100）
6.2系統(tǒng)正常工作時的狀態(tài)估計（101）
6.3測量傳感器出現(xiàn)故障時的狀態(tài)估計（102）
6.4測量傳感器噪聲相關(guān)時的狀態(tài)估計（105）
6.5本章小結(jié)（106）
第7章基于多源信息融合的運動姿態(tài)估計（107）
7.1引言（107）
7.2基于自適應(yīng)參數(shù)機動目標模型的Kalman濾波（107）
7.2.1機動目標模型（107）
7.2.2自適應(yīng)參數(shù)機動目標模型估計方法（108）
7.3基于四元數(shù)的捷聯(lián)式慣性導(dǎo)航姿態(tài)解算（113）
7.3.1四元數(shù)與捷聯(lián)式慣性導(dǎo)航姿態(tài)矩陣（113）
7.3.2導(dǎo)航參數(shù)的計算（116）
7.3.3初始條件的給定與初始數(shù)據(jù)的計算（119）
7.3.4本節(jié)小結(jié)（120）
7.4基于IMU的姿態(tài)估計的應(yīng)用（121）
7.4.1系統(tǒng)概要（121）
7.4.2通過IMU識別手指姿勢（122）
7.4.3閾值分析（127）
7.4.4控制NAO類人形機器人（128）
7.4.5本節(jié)小結(jié)（132）
7.5本章小結(jié)（132）
第8章融合RFID與IMU信息的移動機器人室內(nèi)軌跡估計（133）
8.1引言（133）
8.2基于RFID的移動軌跡估計（133）
8.2.1軌跡估計方法流程圖（133）
8.2.2UKF算法（135）
8.2.3基于可變數(shù)量RFID閱讀器的UKF軌跡估計方法（137）
8.2.4仿真實驗結(jié)果（140）
8.2.5本節(jié)小結(jié)（142）
8.3基于IMU的移動軌跡估計（142）
8.3.1基于IMU測量數(shù)據(jù)的航位推算（142）
8.3.2仿真實驗結(jié)果及誤差分析（144）
8.3.3本節(jié)小結(jié)（146）
8.4基于融合機制的信息互補（146）
8.4.1基于多傳感器數(shù)據(jù)融合的軌跡估計算法流程（146）
8.4.2基于多傳感器信息融合軌跡估計方法的仿真研究（148）
8.4.3基于多傳感器信息融合軌跡估計方法的實驗研究（152）
8.4.4本節(jié)小結(jié)（160）
8.5本章小結(jié)（161）
參考文獻（162）