第一章引论

1.1经典的统计判决理论

1.2多传感器统计判决的发展概况

1.3用无穷维空间优化的观点认识统计判决问题

第二章两传感器二元判决

2.1传统的单传感器判决

2.1.1Bayes判决

2.1.2Neyman??Pearson判决

2.1.3序贯判决

2.1.4二元判决系统性能评价――接收机工作特性(ROC)曲线

2.2两传感器分布式判决概论

2.2.1模型与历史发展

2.2.2对分布式判决问题的新认识

2.3固定融合律下，Bayes判决的最优分站压缩律

2.3.1不动点类必要条件

2.3.2迭代算法

2.3.3离散格式下迭代算法的有限步收敛性

2.3.4最优分站压缩律的存在性和对损失泛函下确界的逼近

2.3.5与传统分站似然比压缩的关系

2.3.6数值模拟例子

2.4固定融合律下Neyman??Pearson判决的最优分站压缩律

2.4.1最优分站压缩律的必要条件及迭代算法

2.4.2数值模拟例子

2.5固定融合律下的序贯判决方法

2.5.1基本思想

2.5.2固定融合律下最优分站压缩律的算法

2.5.3数值模拟例子

2.6固定融合律的加权平均

第三章多传感器二元判决

3.1中心站决策区域与分站数据压缩示性函数多项式的一一对应

3.2任意融合律下最优分站压缩律的不动点类必要条件

3.3离散格式下迭代算法及有限收敛性

3.4降低分站压缩率提高判决性能

3.5数值模拟

第四章多传感器网络多元判决

4.1网络基本模型的描述

4.1.1并联网络判决系统

4.1.2串联网络判决系统

4.1.3混联网络判决系统

4.2任意固定融合律下最优分站压缩律的不动点类必要条件

4.3迭代算法及收敛性

第五章关于最优融合律及网络判决系统的优化设计

5.1融合律的等价类及某些类之间优劣性比较

5.1.1有关的几个定义

5.1.2等价性定理与优劣性定理

5.1.3应用例子

5.2并联网络二元判决的最优融合律

5.3关联网络多元判决的最优融合律

5.4串联和混联网络多元判决系统的最优融合律

5.5并联与串联网络判决性能比较

5.6多站网络判决系统优化设计的一些问题

5.6.1网络结构设计问题

5.6.2分站在网络系统中位置和通信量的分析

5.7数值模拟例子

5.7.1
2分站二元

......