軌道交通安全智能融合技術(shù)

第1章 信息融合概述
1．1 信息融合的發(fā)展歷史與現(xiàn)狀
1．2 多傳感器系統(tǒng)的特點(diǎn)與控制結(jié)構(gòu)
1．3 信息融合的主要方法
1．3．1 信息融合的主要模型
1．3．2 信息融合的主要算法
1．3．3 當(dāng)前的研究熱點(diǎn)
1．4 信息融合的應(yīng)用案例
1．4．1 信息融合在軌道交通領(lǐng)域中的應(yīng)用
1．4．2 其他典型的應(yīng)用
1．5 信息融合技術(shù)的發(fā)展前景
第2章 信息融合中的數(shù)學(xué)基礎(chǔ)
2．1 粗糙集與證據(jù)理論
2．1．1 粗糙集理論基礎(chǔ)
2．1．2 證據(jù)理論基礎(chǔ)
2．2 模糊集合理論基礎(chǔ)
2．2．1 多傳感器融合數(shù)據(jù)有效性模糊處理技術(shù)
2．2．2 多傳感器融合數(shù)據(jù)有效性模糊評(píng)判實(shí)現(xiàn)
2．3 貝葉斯統(tǒng)計(jì)方法
2．3．1 貝葉斯公式
2．3．2 先驗(yàn)分布
2．3．3 貝葉斯估計(jì)
2．3．4 貝葉斯決策
2．4 H8濾波理論
2．4．1 H8濾波技術(shù)基礎(chǔ)
2．4．2 系統(tǒng)H8控制標(biāo)準(zhǔn)設(shè)計(jì)問(wèn)題
2．4．3 連續(xù)系統(tǒng)H8濾波問(wèn)題的描述
2．4．4 離散系統(tǒng)H8濾波問(wèn)題的描述
2．4．5 H．濾波器同卡爾曼濾波器的比較
2．5 灰色系統(tǒng)理論
2．5．1 灰色系統(tǒng)的概念與基本原理
2．5．2 序列算子與灰色序列生成
2．5．3 灰色系統(tǒng)預(yù)測(cè)
第3章 信息融合系統(tǒng)功能和結(jié)構(gòu)模型
3．1 概述
3．2 信息融合系統(tǒng)的功能模型
3．3 信息融合系統(tǒng)的結(jié)構(gòu)模型
3．3．1 檢測(cè)級(jí)融合
3．3．2 位置級(jí)融合
3．3．3 態(tài)勢(shì)評(píng)估
3．3．4 威脅估計(jì)
3．4 信息融合的級(jí)別
3．5 信息融合系統(tǒng)的通用處理結(jié)構(gòu)
3．6 信息融合的六級(jí)功能分類(lèi)模型
第4章 信息融合的數(shù)據(jù)支持
4．1 多傳感器信息融合時(shí)的數(shù)據(jù)準(zhǔn)備
4．1．1 預(yù)處理
4．1．2 修正系統(tǒng)誤差
4．1．3 坐標(biāo)變換或空間配準(zhǔn)
4．1．4 時(shí)間同步或?qū)?zhǔn)
4．1．5 量綱對(duì)準(zhǔn)
4．2 數(shù)據(jù)關(guān)聯(lián)
4．3 數(shù)據(jù)關(guān)聯(lián)的過(guò)程和步驟
4．3．1 多傳感器數(shù)據(jù)關(guān)聯(lián)
4．3．2 數(shù)據(jù)關(guān)聯(lián)過(guò)程
4．3．3 數(shù)據(jù)關(guān)聯(lián)的一般步驟
4．4 數(shù)據(jù)關(guān)聯(lián)的方法
4．5 多傳感器聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)
4．5．1 概率數(shù)據(jù)關(guān)聯(lián)濾波器
4．5．2 多傳感器概率數(shù)據(jù)關(guān)聯(lián)算法
第5章 基于統(tǒng)計(jì)的信息融合
5．1 參數(shù)估計(jì)的基本概念與方法
5．1．1 參數(shù)估計(jì)的基本概念
5．1．2 估計(jì)問(wèn)題
5．1．3 估計(jì)的偏差和無(wú)偏性
5．1．4 估計(jì)的方差和克拉美-勞不等式
5．1．5 估計(jì)的有效性
5．1．6 充分估計(jì)
5．1．7 估計(jì)的一致性
5．1．8 估計(jì)的其他性質(zhì)
5．2 總體參數(shù)的點(diǎn)估計(jì)
5．2．1 矩估計(jì)
5．2．2 極大似然估計(jì)
5．2．3 點(diǎn)估計(jì)的評(píng)價(jià)標(biāo)準(zhǔn)
5．3 正態(tài)總體均值的區(qū)間估計(jì)
5．3．1 總體參數(shù)區(qū)間估計(jì)的概念和基本思想
5．3．2 單正態(tài)總體均值的區(qū)間估計(jì)
5．3．3 兩正態(tài)總體均值之差的區(qū)間估計(jì)
5．3．4 單側(cè)區(qū)間估計(jì)問(wèn)題
5．4 一般總體均值和成數(shù)的大樣本區(qū)間估計(jì)
5．4．1 非正態(tài)總體均值的大樣本區(qū)間估計(jì)
5．4．2 總體成數(shù)（比例）的大樣本區(qū)間估計(jì)
5．4．3 單側(cè)區(qū)間估計(jì)
5．5 正態(tài)總體方差的區(qū)間估計(jì)
5．5．l 單正態(tài)總體方差的區(qū)間估計(jì)
5．5．2 兩正態(tài)總體方差之比的區(qū)間估計(jì)
5．6 樣本容量的確定
5．6．1 總體均值估計(jì)的必要樣本容量
5．6．2 總體成數(shù)估計(jì)的必要樣本容量
5．7 信息融合方法
5．7．1 貝葉斯信息融合方法
5．7．2 模糊信息融合方法
5．7．3 神經(jīng)網(wǎng)絡(luò)信息融合方法
5．7．4 D-S證據(jù)理論信息融合方法
第6章 目標(biāo)跟蹤融合
6．1 概述
6．1．1 目標(biāo)檢測(cè)跟蹤的含義
6．1．2 信息獲取技術(shù)
6．1．3 基本概念與術(shù)語(yǔ)
6．1．4 目標(biāo)探測(cè)與識(shí)別的信息鏈
6．1．5 目標(biāo)檢測(cè)方法的基本概念
6．1．6 目標(biāo)跟蹤方法涉及的基本問(wèn)題
6．2 運(yùn)動(dòng)跟蹤
6．2．1 卡爾曼濾波
6．2．2 基于預(yù)測(cè)的運(yùn)動(dòng)跟蹤
6．3 多傳感器多模型概率數(shù)據(jù)關(guān)聯(lián)算法
6．3．1 多模型算法
6．3．2 相互作用多模型一概率數(shù)據(jù)關(guān)聯(lián)算法
6．3．3 多傳感器多模型一概率數(shù)據(jù)關(guān)聯(lián)濾波器
6．4 基于交互式多模型方法的目標(biāo)跟蹤
6．4．1 目標(biāo)建模
6．4．2 交互多模算法原理
6．4．3 案例分析
第7章 城市軌道交通的信息融合技術(shù)
7．1 概述
7．2 城市軌道交通的綜合監(jiān)控系統(tǒng)
7．2．1 綜合監(jiān)控系統(tǒng)的技術(shù)現(xiàn)狀
7．2．2 綜合監(jiān)控系統(tǒng)的技術(shù)發(fā)展方向
7．2．3 新一代城市軌道交通綜合信息管理系統(tǒng)
7．3 城市軌道交通的列車(chē)定位技術(shù)
7．3．1 軌旁定位技術(shù)
7．3．2 車(chē)載列車(chē)定位技術(shù)
7．3．3 基于多傳感器融合的列車(chē)測(cè)速定位方法
7．4 多傳感器信息融合技術(shù)下的軌道交通車(chē)站設(shè)備故障診斷
7．4．1 軌道交通車(chē)站設(shè)備
7．4．2 多傳感器信息融合技術(shù)在故障診斷中的應(yīng)用
7．5 信息融合技術(shù)下的地鐵中央空調(diào)風(fēng)機(jī)故障診斷
7．5．1 神經(jīng)網(wǎng)絡(luò)信息融合故障診斷技術(shù)
7．5．2 信息融合技術(shù)在故障診斷中的應(yīng)用
7．5．3 地鐵中央空調(diào)風(fēng)機(jī)故障診斷系統(tǒng)建立
7．6 基于數(shù)據(jù)融合的城市軌道交通線(xiàn)網(wǎng)指揮中心綜合信息平臺(tái)
7．6．1 網(wǎng)絡(luò)化運(yùn)營(yíng)需求分析
7．6．2 線(xiàn)網(wǎng)指揮中心綜合信息平臺(tái)的構(gòu)建
7．6．3 綜合信息平臺(tái)的關(guān)鍵技術(shù)
第8章 鐵道車(chē)輛的信息融合技術(shù)
8．1 概述
8．2 車(chē)輛定位系統(tǒng)的信息融合技術(shù)
8．2．1 GPS航位推算系統(tǒng)
8．2．2 DAB-GSM融合定位系統(tǒng)
8．2．3 CPS／DD／MM組合定位系統(tǒng)
8．3 鐵路5T系統(tǒng)的信息融合技術(shù)
8．3．1 5T系統(tǒng)簡(jiǎn)介
8．3．2 5T數(shù)據(jù)接入和信息融合設(shè)計(jì)
8．4 高速列車(chē)遠(yuǎn)程診斷與虛擬維護(hù)系統(tǒng)的信息融合技術(shù)
8．4．1 系統(tǒng)概述
8．4．2 技術(shù)方案
8．4．3 系統(tǒng)建立與主要功能
參考文獻(xiàn)