1.5 本书主要内容

本书介绍了传统数据融合技术中的各种融合方法，重点讲述卡尔曼滤波与数据融合方法、贝叶斯方法、D-S证据理论方法、模糊推理方法、遗传算法、粒子群方法、神经网络方法以及深度学习方法。这些方法可以划分为物理模型法、参数分类法与智能化方法如图1.2所示。

图1.2 数据融合方法的划分

上面提到的这些数据融合方法可以应用在以下几个方面：多传感器系统在智能武器中的应用；在雷达、红外传感器、图像传感器所获得的数据的融合处理技术中的应用；在多个目标识别（检测、估计、分类和辨识）和跟踪中的应用。在解释一些能够产生信号的物理现象和数据融合技术时，会涉及智能计算相关的数学知识，本书尽量使用最简单的数学运算来描述一些数据融合方法的内在原理，同时也注重使用一些非数学的解释来帮助读者理解某些概念。