量化信息融合理論及在無線傳感器網絡中的應用
李建勛等
買這商品的人也買了...
-
$352面向雲平臺的物聯網多源異構信息融合方法 -
圖解資料結構 -- 使用 JavaScript$580$452 -
圖說演算法 -- 使用 JavaScript$520$406 -
$407區塊鏈原理、技術及應用 -
$379量子機器學習及區塊鏈技術導論 -
$352開啟人工智能之門 — 運用 Excel 體驗學 AI (原書第2版) -
程序設計競賽訓練營 : 基礎與數學概念$719$683 -
$509程序設計競賽訓練營：算法與實踐 -
$378區塊鏈技術及應用 -
$6115G + AI 融合全景圖 -
工業物聯網：平台架構、關鍵技術與應用實踐$594$564 -
Python 資料科學自學聖經：不只是建模！用實戰帶你預測趨勢、找出問題與發現價值(附關鍵影音教學、範例檔)$580$458 -
圖解區塊鏈的工作原理與機制$480$379 -
AWS 職場實戰手冊 - 企業架站、安全防護、費用監控，用最省錢的方式紮實學會！$620$527 -
文科生也學得會！資料 科學 ✕ 機器學習實戰 探索 - 使用 Excel$550$468 -
一步到位！Python 程式設計 -- 最強入門教科書, 3/e$630$498 -
聯邦學習：算法詳解與系統實現$594$564 -
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模，數據工程一次搞定！$680$578 -
會動的演算法：61 個演算法動畫＋全圖解逐步拆解，人工智慧、資料分析必備$620$527 -
用 iPad 畫出美好的世界：Procreate 快速入門技法$390$308 -
IoT 開發最強雙引擎：Node-RED + App Inventor 2，用視覺化環境打造 IoT 物聯網裝置$650$325 -
區塊鏈技術基礎教程：原理、方法及實踐$414$393 -
$301區塊鏈：構建信任和價值的新型基礎設施 -
從 AI 到 生成式 AI：40個零程式的實作體驗，培養新世代人工智慧素養$560$442 -
基於區塊鏈的 IoT 項目實踐 — IoT 設備、數據的可信應用$354$336
相關主題
商品描述
量化信息融合是無線傳感器網絡、衛星組網、網絡化控制系統等領域中受制於終端存儲空間、通信能量及通信帶寬條件下的有效信息處理途徑。本書深入討論了量化信息融合相關理論及在無線傳感器網絡中的應用情況。主要內容包括：均勻量化測量與融合、自適應量化測量與融合、量化新息與融合、分佈式量化航跡融合、通道感知目標跟蹤及跨層優化、對等網絡中分佈式協同目標跟蹤等。最後開發了無線傳感器網絡目標跟蹤硬件平臺，以驗證所涉方法在相關應用場景中的實際性能。
目錄大綱
目錄
前言
變量表
第1章 緒論1
1.1 背景與意義1
1.2 量化信息融合簡介3
1.2.1 信息融合概述4
1.2.2 信息融合發展概況5
1.2.3 量化信息融合概述6
1.3 無線傳感器網絡簡介8
1.3.1 傳感器節點結構9
1.3.2 無線傳感器網絡拓撲結構9
1.3.3 無線傳感器網絡的功能結構11
1.4 無線傳感器網絡中狀態估計與信息融合12
第2章 狀態估計與信息融合相關理論18
2.1 引言18
2.2 估計理論18
2.2.1 擴展卡爾曼濾波19
2.2.2 無跡卡爾曼濾波20
2.2.3 粒子濾波技術22
2.2.4 交互式多模型濾波23
2.3 魯棒估計方法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37
2.4.1 信息融合的分類37
2.4.2 統一的信息融合模型及其最優解39
2.4.3 魯棒信息融合濾波42
2.4.4 模擬分析43
2.5 本章小結44
第3章 均勻量化測量與融合45
3.1 引言45
3.2 問題描述45
3.3 量化噪聲分析47
3.3.1 量化噪聲的概率密度函數47
3.3.2 量化噪聲的概率密度函數估計52
3.4 基於均勻量化測量的目標狀態估計53
3.5 模擬分析55
3.5.1 量化測量誤差的概率密度56
3.5.2 均勻量化條件下的目標跟蹤模擬58
3.6 本章小結60
第4章 自適應量化測量與融合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 優化模型建立64
4.3 自適應帶寬分配65
4.3.1 測量擴維情況下的帶寬分配策略65
4.3.2 測量加權情況下的帶寬分配策略66
4.3.3 噪聲相關情況下的帶寬分配策略68
4.4 自適應量化閾值70
4.5 基於粒子濾波的目標跟蹤75
4.6 性能分析76
4.7 模擬與分析79
4.7.1 自適應帶寬分配80
4.7.2 噪聲相關情況82
4.7.3 自適應閾值模擬84
4.8 本章小結86
第5章 量化新息與融合87
5.1 引言87
5.2 問題描述87
5.3 基於量化新息的狀態估計89
5.3.1 量化新息和傳輸策略89
5.3.2 基於量化新息的狀態估計方法91
5.3.3 量化新息卡爾曼濾波器92
5.4 性能分析95
5.5 模擬與分析98
5.6 本章小結104
第6章 分佈式量化航跡融合105
6.1 引言105
6.2 傳統航跡融合方法簡介105
6.2.1 信息融合卡爾曼濾波算法106
6.2.2 加權平均法107
6.2.3 協方差交叉法107
6.3 資源受限的航跡融合108
6.3.1 協方差陣的壓縮處理108
6.3.2 量化策略113
6.4 穩健航跡融合方法—內橢球逼近法117
6.4.1 算法提出117
6.4.2 模擬與比較120
6.5 傳感器節點動態分簇122
6.5.1 相關工作122
6.5.2 目標導向動態分簇策略123
6.6 模擬與分析125
6.7 本章小結130
第7章 通道感知目標跟蹤及跨層優化131
7.1 引言131
7.2 傳輸通道及其模型131
7.2.1 無線通道的分類131
7.2.2 二元對稱離散通道132
7.3 通道感知目標跟蹤133
7.3.1 問題描述133
7.3.2 目標跟蹤策略134
7.3.3 性能分析135
7.4 跨層設計與優化136
7.4.1 基於通道感知CRLB的傳感器調度137
7.4.2 啟發式調度策略139
7.5 模擬與分析140
7.5.1 模擬平臺搭建140
7.5.2 結果與討論141
7.6 本章小結143
第8章 對等網絡中分佈式協同目標跟蹤144
8.1 引言144
8.2 P2P傳感器網絡及其圖模型144
8.3 協同策略146
8.3.1 傳統方法146
8.3.2 新協同算法及其性能分析148
8.3.3 模擬分析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點濾波器154
8.5 分佈式協同濾波器157
8.5.1 分佈式協同卡爾曼濾波器157
8.5.2 分佈式協同魯棒濾波器158
8.5.3 分佈式協同Sigma點卡爾曼濾波器159
8.6 量化情況下動態協同目標狀態估計融合161
8.7 分佈式協同估計融合框架161
8.8 模擬與分析162
8.8.1 分佈式穩健濾波器162
8.8.2 分佈式Sigma點濾波164
8.8.3 量化情形167
8.9 本章小結169
第9章 基於量化信息融合的目標跟蹤應用170
9.1 引言170
9.2 系統體系結構設計170
9.3 數據生成171
9.3.1 場景數據生成171
9.3.2 監測數據生成172
9.3.3 數據傳輸設計173
9.4 單目標跟蹤情形173
9.4.1 數據預處理173
9.4.2 結果與分析173
9.5 多目標跟蹤情形179
9.5.1 目標運動模型179
9.5.2 傳感器測量模型180
9.5.3 多目標情形測量解模糊180
9.5.4 結果與分析182
9.6 基於WSN的目標跟蹤硬件平臺185
9.6.1 系統體系結構186
9.6.2 無線傳感器節點187
9.6.3 網絡通信協議191
9.6.4 上位機顯示195
9.7 實驗與分析196
9.7.1 場景設置196
9.7.2 結果與分析197
9.8 本章小結200
參考文獻201
前言
變量表
第1章 緒論1
1.1 背景與意義1
1.2 量化信息融合簡介3
1.2.1 信息融合概述4
1.2.2 信息融合發展概況5
1.2.3 量化信息融合概述6
1.3 無線傳感器網絡簡介8
1.3.1 傳感器節點結構9
1.3.2 無線傳感器網絡拓撲結構9
1.3.3 無線傳感器網絡的功能結構11
1.4 無線傳感器網絡中狀態估計與信息融合12
第2章 狀態估計與信息融合相關理論18
2.1 引言18
2.2 估計理論18
2.2.1 擴展卡爾曼濾波19
2.2.2 無跡卡爾曼濾波20
2.2.3 粒子濾波技術22
2.2.4 交互式多模型濾波23
2.3 魯棒估計方法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37
2.4.1 信息融合的分類37
2.4.2 統一的信息融合模型及其最優解39
2.4.3 魯棒信息融合濾波42
2.4.4 模擬分析43
2.5 本章小結44
第3章 均勻量化測量與融合45
3.1 引言45
3.2 問題描述45
3.3 量化噪聲分析47
3.3.1 量化噪聲的概率密度函數47
3.3.2 量化噪聲的概率密度函數估計52
3.4 基於均勻量化測量的目標狀態估計53
3.5 模擬分析55
3.5.1 量化測量誤差的概率密度56
3.5.2 均勻量化條件下的目標跟蹤模擬58
3.6 本章小結60
第4章 自適應量化測量與融合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 優化模型建立64
4.3 自適應帶寬分配65
4.3.1 測量擴維情況下的帶寬分配策略65
4.3.2 測量加權情況下的帶寬分配策略66
4.3.3 噪聲相關情況下的帶寬分配策略68
4.4 自適應量化閾值70
4.5 基於粒子濾波的目標跟蹤75
4.6 性能分析76
4.7 模擬與分析79
4.7.1 自適應帶寬分配80
4.7.2 噪聲相關情況82
4.7.3 自適應閾值模擬84
4.8 本章小結86
第5章 量化新息與融合87
5.1 引言87
5.2 問題描述87
5.3 基於量化新息的狀態估計89
5.3.1 量化新息和傳輸策略89
5.3.2 基於量化新息的狀態估計方法91
5.3.3 量化新息卡爾曼濾波器92
5.4 性能分析95
5.5 模擬與分析98
5.6 本章小結104
第6章 分佈式量化航跡融合105
6.1 引言105
6.2 傳統航跡融合方法簡介105
6.2.1 信息融合卡爾曼濾波算法106
6.2.2 加權平均法107
6.2.3 協方差交叉法107
6.3 資源受限的航跡融合108
6.3.1 協方差陣的壓縮處理108
6.3.2 量化策略113
6.4 穩健航跡融合方法—內橢球逼近法117
6.4.1 算法提出117
6.4.2 模擬與比較120
6.5 傳感器節點動態分簇122
6.5.1 相關工作122
6.5.2 目標導向動態分簇策略123
6.6 模擬與分析125
6.7 本章小結130
第7章 通道感知目標跟蹤及跨層優化131
7.1 引言131
7.2 傳輸通道及其模型131
7.2.1 無線通道的分類131
7.2.2 二元對稱離散通道132
7.3 通道感知目標跟蹤133
7.3.1 問題描述133
7.3.2 目標跟蹤策略134
7.3.3 性能分析135
7.4 跨層設計與優化136
7.4.1 基於通道感知CRLB的傳感器調度137
7.4.2 啟發式調度策略139
7.5 模擬與分析140
7.5.1 模擬平臺搭建140
7.5.2 結果與討論141
7.6 本章小結143
第8章 對等網絡中分佈式協同目標跟蹤144
8.1 引言144
8.2 P2P傳感器網絡及其圖模型144
8.3 協同策略146
8.3.1 傳統方法146
8.3.2 新協同算法及其性能分析148
8.3.3 模擬分析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點濾波器154
8.5 分佈式協同濾波器157
8.5.1 分佈式協同卡爾曼濾波器157
8.5.2 分佈式協同魯棒濾波器158
8.5.3 分佈式協同Sigma點卡爾曼濾波器159
8.6 量化情況下動態協同目標狀態估計融合161
8.7 分佈式協同估計融合框架161
8.8 模擬與分析162
8.8.1 分佈式穩健濾波器162
8.8.2 分佈式Sigma點濾波164
8.8.3 量化情形167
8.9 本章小結169
第9章 基於量化信息融合的目標跟蹤應用170
9.1 引言170
9.2 系統體系結構設計170
9.3 數據生成171
9.3.1 場景數據生成171
9.3.2 監測數據生成172
9.3.3 數據傳輸設計173
9.4 單目標跟蹤情形173
9.4.1 數據預處理173
9.4.2 結果與分析173
9.5 多目標跟蹤情形179
9.5.1 目標運動模型179
9.5.2 傳感器測量模型180
9.5.3 多目標情形測量解模糊180
9.5.4 結果與分析182
9.6 基於WSN的目標跟蹤硬件平臺185
9.6.1 系統體系結構186
9.6.2 無線傳感器節點187
9.6.3 網絡通信協議191
9.6.4 上位機顯示195
9.7 實驗與分析196
9.7.1 場景設置196
9.7.2 結果與分析197
9.8 本章小結200
參考文獻201
