前言

“多傳感器數據融合”是工程類學科的一門重要的專業課程，在自動化、人工智能、機器人、電氣工程、機械工程、航天工程等工科專業都會設置。在數據融合技術中既包含數學與工程科學相結合的理論知識，又包含理論與工程設計實踐緊密結合的具體應用。隨著人工智能的快速發展，智能化的數據融合技術的發展也日新月異。本書正是為了配合快速發展的智能化時代，針對多傳感器數據融合的智能化新方法與新理論的教學而編寫的。

在現實社會中，在面對某一確定的檢測需求時，用一個傳感器探測得到的結果，和用多個傳感器探測得到的結果不盡相同。即便是多傳感器得到了多個探測結果，如何對這些探測結果進行有效融合，以得出合乎實際的輸出結果，也是一項富有挑戰性的工作。在當前實際應用的多傳感器探測系統中，多類傳感器在數據融合之前需要先進行時空配準；在數據融合過程中，也分別有傳感器級別、決策級別等不同級別的數據融合。本書在介紹基本數據融合方法的基礎上，進一步介紹智能化算法在多傳感器數據融合中的應用。

本書主要包括以下幾個方面：介紹多傳感器系統數據融合的基本架構與理論體系；介紹基于概率論的智能化方法，例如基于證據理論、貝葉斯理論、模糊數學理論等方法的傳感器數據融合技術；也介紹基于遺傳算法、神經網絡、粒子群等仿生學類的智能化方法在數據融合中的應用；結合當今人工智能發展的熱點，介紹深度學習理論在數據融合中的應用。在分析各種算法理論體系的基礎上，給出這些技術在目標識別（檢測、估計、分類和辨識）與跟蹤中的應用實例。

本書的一些基本概念與理論方法，結合信號獲取的物理手段后，可應用于一些實際工程中，如天氣預報，使用遙感進行地球資源勘探，機動車輛的交通管制，目標分類與跟蹤以及戰場態勢估計等。隨著機器人技術的快速發展，人們對數據融合在這些領域的應用也越來越感興趣，因為它能夠集合視覺信號、聲音信號、位置信號，讓機器人快速做出合理的決策與判斷。本書的最后一章主要描述了一個搭載了多類傳感器的機器人系統應用平臺，在這個平臺上，可以對各類數據融合算法進行驗證實驗。

本書主要面向工科院校與科研機構中學習多傳感器數據融合理論的中、高級用戶，可作為大、中專院校相關專業的教學和參考用書，也可供有關工程技術人員和軟件工程師參考。本書由北京理工大學自動化學院的戴亞平、馬俊杰、王笑涵編著，北京理工大學自動化學院的多屆研究生參與了“靈智”系列服務機器人系統的開發，在此對他們的大力幫助與辛勤工作一并表示感謝。

由于時間倉促，加上編者水平有限，書中不足之處在所難免，歡迎讀者聯系1282892958@qq.com批評指正，編者將不勝感激。

編者