第一讲 多源信息融合处理技术
1.1信息融合的概念和好处
多源信息融合定义1:信息融合就是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价。
多源信息融合定义2:信息融合就是由多种信息源，如传感器、数据库、知识库和人类本身来获取有关信息，并进行滤波、相关和集成，从而形成一个表示构架，这种构架适合于获得有关决策、对信息的解释、达到系统目标（如识别或跟踪运动目标）、传感器管理和系统控制等。
多源信息融合定义3:所谓多源信息融合，主要是指利用计算机进行多源信息处理，从而得到可综合利用信息的理论和方法，其中也包含对自然界人和动物大脑进行多传感信息融合机理的探索。
好处：增强系统的生存能力、扩展空间覆盖范围、扩展时间覆盖范围、提高可信度、降低信息的模糊度、改进探测器性能、提供空间分辨率、增加了量测空间维数、成本低、质量轻、占空少。
1.2 融合技术的分类
按融合技术分类可分为：
- 假设检验型信息融合技术
- 滤波跟踪型信息融合技术
- 聚类分析型信息融合技术
- 模式识别型信息融合技术
- 人工智能型信息融合技术等
1.3 信息融合的分类
按照融合系统中数据抽象的层次，划分为三个级别：数据级融合、特征级融合、决策级融合。
1.4 信息融合的目的
按照信息融合的目的分类，多源信息融合的目的大体可分为检测、状态估计和属性识别。
1.5 信息融合的通用处理结构
信息融合处理有三种通用结构，分别是集中式结构、分布式结构以及混合式结构。
三种处理结构处理的原始数据不同。
- 集中式结构加工的是传感器的原始数据；
- 分布式结构加工的是经过预处理的局部数据；
- 混合式结构加工的既有原始数据，又有预处理过的数据。
第二讲 多源信息融合处理技术
2.1 正弦信号
主要是要记住表达式
2.2 高斯参量信号
2.3 窄带高斯随机参数
包络的概率密度就是瑞利分布。这3个公式都要记下来
2.4 直流或脉冲信号加噪声，接收信号的概率密度
2.5 量测建模，量测方程的概念
量测建模：量测建模的概念：在进行目标信息的检测、估计，以及目标信息融合处理是需要建立观测方程，又称为量测方程。量测方程要记住。
第三讲 检测融合技术
3.1 四种重点融合策略
- 简单的多源检测融合策略
- 基于似然函数比的多源检测融合策略
- Neyman-Pearson融合检测准则
- 最小误差概率准则
3.2 贝叶斯满足一定条件转为最小误差准则
3.3 贝叶斯满足一定条件转为最大后验概率
要记住满足的条件是代价选取满足 C 10 − C 00 = C 01 − C 11 C_{10}-C_{00}=C_{01}-C_{11} C10−C00=C01−C11
3.4 总代价
以二元假设检验问题为例定义代价，平均总代价的公式要记住。
3.5 贝叶斯风险达到最小的最优分布检测必要条件
为什么贝叶斯风险最小的必要条件表达式那么写？最终目的是 R B R_B RB最小，后面那项如果是负的，我们就想把他加进来，所以让P（u0=1｜u）=1，后面那项如果是正的，我们就想把他剪去，所以让P（u0=1｜u）=0，要会解释。这里很重要
3.6 决定了最优融合规则的单调性
3.7 Neyman-Pearson融合检测准则
这里的公式要记住
第四讲 参数估计理论
4.1 需要掌握的4种方法
不仅要掌握他们是什么，还要掌握他们的前提条件
4.2 一致估计、有效估计、无偏估计的概念
4.3 贝叶斯代价函数/损失函数
4.4 贝叶斯平均风险函数
4.5 联合Gauss下的最佳Bayes
这两个公式都要会
4.6 最大似然估计
要知道这两个公式
4.7 最佳线性无偏估计
4.8 最小二乘WLS
