舰艇编队协同作战中数据融合关键技术与应用 本书特色

作为信息时代新军事理论，“网络中心战”成为当前各国军队竞相发展、建设的重点，其本质在于提高部队协同作战能力。
段立、刘志坤、刘亚杰*的《舰艇编队协同作战中数据融合关键技术与应用》从舰艇编队协同作战过程中分布式数据融合出发，首先介绍舰艇编队协同作战系统研究特点和发展现状，接着介绍了基于大地坐标系下舰艇编队协同作战分布式融合体系设计、目标跟踪模型、分布式融合算法和无序量测问题，*后介绍了海战场传感器网络智能协同管理算法和反潜作战应用背景下协作目标检测应用案例。
本书可作为模式识别与智能系统、通信与信息系统、控制科学与技术、电子科学与技术等专业研究生和高年级本科生的教材，同时对有关专业领域的研究人员和工程技术人员也有重要参考价值。

舰艇编队协同作战中数据融合关键技术与应用 目录

第l章 网络中心战下海战场数据融合概述1.1 海战场数据融合的定义1.1.1 数据融合来源1.1.2 网络中心战下海战场数据融合定义1.2 战场数据融合的历史与现状1.2.1 数据融合的历史1.2.2 国内研究现状1.2.3 国外研究现状1.3 海战场协同作战中数据融合的关键问题和技术1.3.1 战场协同作战过程中数据融合关键问题1.3.2 战场协同作战过程中数据融合关键技术1.4 本书结构参考文献 第2章 海战场数据融合系统功能和结构模型2.1 海战场协同作战样式的转变2.1.1 “网络中·心战”的提出2.1.2 “网络中心战”的构成2.1.3 “网络中心战”的本质2.2 美国海军“网络中心战”相关项目概况2.2.1 CEC项目2.2.2 TCN项目2.2.3 SIAP2.2.4 经验和启示2.3 战场数据融合模型2.3.1 数据融合系统的功能模型2.3.2 数据融合系统的结构模型2.4 海战场分布式融合体系结构设计2.4.1 信息流程分析2.4.2 坐标系选择2.4.3 海战场协同作战分布式融合体系结构设计2.5 小结参考文献 第3章 海战场目标跟踪模型与滤波3.1 海战场目标运动模型3.1.1 直角坐标系下常用目标运动模型3.1.2 大地坐标系下目标运动模型3.2 海战场传感器观测模型3.2.1 二维观测模型3.2.2 三维观测模型3.3 海战场常用非线性目标跟踪滤波方法3.3.1 扩展卡尔曼滤波算法3.3.2 无迹卡尔曼滤波算法3.3.3 容积卡尔曼滤波算法3.3.4 粒子滤波算法3.4 基于大地坐标系下跟踪滤波算法仿真测试床3.4.1 仿真测试床3.4.2 典型仿真场景3.4.3 仿真试验3.5 小结参考文献 第4章 海战场协同作战中融合算法4.1 海战场常用航迹融合算法4.1.1 简单航迹融合算法4.1.2 协方差加权航迹融合算法4.2 舰艇编队分布式融合算法设计4.2.1 基于信息滤波器融合算法4.2.2 协方差交集融合算法4.2.3 仿真试验4.3 海战场基于交互式模型的分布式融合算法4.3.1 算法设计4.3.2 算法步骤4.3.3 仿真试验4.4 海战场无迹粒子滤波的分布式融合算法4.4.1 算法设计4.4.2 算法步骤4.4.3 仿真试验4.5 小结参考文献 第5章 海战场协同作战中无序量测融合方法5.1 海战场无序量测融合问题概述5.2 海战场无序量测主要处理方法5.2.1 常见无序量测算法分析5.2.2 海战场无序量测算法设计分析5.3 “前向预测”无迹卡尔曼无序量测算法5.3.1 算法设计5.3.2 算法性能分析5.3.3 算法存储空间分析5.4 仿真试验5.5 小结参考文献 第6章 海战场分布式传感器网络智能协同感知算法6.1 网络中心战下传感器网络资源管理6.1.1 网络中心战下传感器网络资源管理的转变6.1.2 美军网络中心战下传感器网络资源管理6.2 海战场传感器网络资源管理体系结构6.2.1 传感器网络资源管理体系结构6.2.2 传感器管理内容、功能及作用6.3 基于分布式传感器网络智能协同感知实例6.3.1 问题描述6.3.2 算法设计6.3.3 仿真试验6.4 小结参考文献 第7章 海战场传感器网络协作目标监测方法7.1 引言7.2 基于能量距离的网络分簇算法研究7.2.1 相关模型7.2.2 低功耗自适应分簇路由协议7.2.3 基于改进型粒子群优化的分簇协议(PSO.CH)7.3 面向目标跟踪的海战场传感器网络动态分簇算法7.3.1 簇头竞选7.3.2 簇成员加入7.3.3 簇重组7.3.4 仿真及性能评估7.4 基于粒子滤波的海战场传感器网络跟踪算法7.4.1 跟踪算法具体步骤7.4.2 仿真试验及分析7.5 小结参考文献

政治军事 军事 军事技术

在线阅读