本书主要对多传感器协同跟踪中涉及的目标跟踪、传感器管理、信息融合三方面的内容进行阐述。全书共分9章。第1章主要阐述了多传感器协同跟踪的相关概念，包括多传感器协同跟踪的概念及基本组成。第2章至第4章主要介绍了目标跟踪算法的组成和主要计算方法，并详细叙述了三种修正卡尔曼滤波算法和三种自适应CS模型的原理及其性能。第5章为多传感器信息融合估计，主要介绍了信息融合的基本理论及估计融合的基本算法。第6章为多传感器管理，主要介绍了传感器管理的基本概念、所要解决的基本问题和协同跟踪中传感器管理所要解决的关键问题。第7章为基于PSO算法的传感器覆盖优化，主要介绍了PSO算法的基本原理、几种改进的PSO算法和PSO算法在传感器网络覆盖优化中的应用。第8章和第9章主要介绍了在数据丢失时，通过对传感器进行管理、对估计算法进行修正、对传感器进行合理的分配来提高协同跟踪的性能。

第1章 多传感器协同跟踪相关概念
1.1 引言
1.2 多传感器协同跟踪的概念
1.3 多传感器协同跟踪的基本组成
参考文献
第2章 目标跟踪算法
2.1 引言
2.2 状态估计算法——Kalman滤波算法
2.3 目标运动模型
2.4 量测模型及坐标系
参考文献
第3章 机动目标跟踪中状态估计算法——KF算法
3.1 引言
3.2 修正卡尔曼滤波算法原理
3.3 基于高斯分布的AKF算法
3.4 基于最小新息协方差的AKF算法
3.5 基于最小估计协方差的AKF算法
参考文献
第4章 目标运动建模——CS模型的改进
4.1 引言
4.2 自适应CS模型
4.3 基于自适应CS模型的IMM算法
参考文献
第5章 多传感器信息融合估计
5.1 引言
5.2 信息融合基本理论
5.3 估计融合的基本算法
参考文献
第6章 多传感器管理
6.1 传感器管理的基本概念
6.2 传感器管理的基本问题
6.3 协同跟踪中的传感器管理
参考文献
第7章 基于PSO算法的传感器覆盖优化
7.1 引言
7.2 PSO算法及改进的PSO算法
7.3 粒子探索能力增强型PSO算法
7.4 基于改进PSO算法的动态传感器网络覆盖优化
参考文献
第8章 数据丢失时多传感器机动目标协同跟踪算法
8.1 引言
8.2 数据丢失情况下的Kalman滤波算法
8.3 可移动节点协同跟踪算法
8.4 基于AMKF算法的可移动传感器节点协同跟踪算法
参考文献
第9章 低检测概率条件下多目标协同跟踪算法
9.1 引言
9.2 基于协方差矩阵的传感器-目标分配算法
9.3 基于最近邻方法的传感器-目标分配算法
9.4 可移动传感器节点最近邻传感器-目标分配算法
9.5 考虑跟踪精度的可移动传感器节点最近邻传感器-目标分配算法
参考文献
附录
附录A 卡尔曼滤波方程的推导
附录B 统计估计的基本理论及贝叶斯估计
附录C 信息滤波器
附录D 最小二乘估计
附录E 最大似然估计