本书是关于多源不确定信息推理技术理论及应用的一部专著，是作者对国内外近十余年来该领域研究进展和自身研究成果的总结。本书由7章组成，包括概述、多源不确定信息推理技术的数学基础、基于多源不确定信息推理的雷达融合识别、DSmT-DS多源不确定信息推理方法、基于证据聚类和凸函数分析的DSmT多源不确定信息推理方法、基于条件证据网络的多源不确定信息推理方法、多源不确定信息推理技术展望。本书可供从事信息融合、推理决策、模式识别、人工智能、信息处理、指挥控制等专业的科技人员阅读和参考，也可作为上述专业的本科生或研究生教材。同时还可为从事雷达、光学传感器、导航、智慧交通、自动驾驶、传感器网络等领域的科技工作者提供指导。

第1章 概述1 1.1 引言2 1.2 多源不确定信息推理技术的研究意义2 1.3 多源不确定信息推理技术的研究现状3 1.3.1 D-S证据理论3 1.3.2 DSmT6 1.3.3 证据网络9 1.4 多源不确定信息推理技术面临的挑战10 1.5 本章小结11 第2章 多源不确定信息推理技术的数学基础13 2.1 引言14 2.2 识别框架14 2.3 幂集15 2.4 超幂集16 2.5 基本概率赋值17 2.6 证据及证据建模18 2.7 证据推理规则19 2.7.1 Dempster组合规则19 2.7.2 DSmT框架下的PCR5规则20 2.7.3 DSmT框架下的PCR6规则21 2.8 凸函数23 2.9 泰勒公式24 2.10 条件证据网络模型和推理规则25 2.11 本章小结26 ? 第3章 基于多源不确定信息推理的雷达融合识别27 3.1 引言28 3.2 雷达辐射源特征参数的统计特性28 3.3 DSm Cloud方法的各个步骤29 3.3.1 基于云模型与DSm模型的雷达辐射源特征参数 隶属度建模29 3.3.2 基于隶属度的证据建模32 3.3.3 基于DSmT的不确定信息推理34 3.4 仿真实验35 3.4.1 单传感器的融合识别仿真实验设计36 3.4.2 本章相��代码36 3.4.3 单传感器的融合识别仿真实验结果对比39 3.4.4 多传感器的融合识别仿真实验设计43 3.4.5 多传感器的融合识别仿真实验结果对比43 3.4.6 仿真实验结果分析46 3.5 本章小结47 第4章 DSmT-DS多源不确定信息推理方法49 4.1 引言50 4.2 DSmT框架下的PCR5规则的计算复杂度分析50 4.2.1 仅单子焦元存在的情况50 4.2.2 交多子焦元存在的情况50 4.3 降低DSmT+PCR5规则的计算复杂度的方法52 4.4 仅单子焦元存在情况下的DSmT-DS多源不确定信息推理方法53 4.4.1 算法步骤53 4.4.2 DSmT-DS推理结果与DSmT+PCR5及Dempster规则 推理结果的关系55 4.4.3 本节所研究方法与其他方法的计算复杂度对比分析57 4.4.4 仿真实验设计58 4.4.5 仿真实验核心代码59 4.4.6 仿真实验结果对比分析60 4.5 交多子焦元存在情况下的DSmT-DS多源不确定信息推理方法64 4.5.1 算法步骤64 4.5.2 计算复杂度分析67 4.5.3 Shafer模型情况下的仿真实验结果对比分析68 4.5.4 混合DSm模型情况下的仿真实验结果对比分析72 4.6 本章小结75 第5章 基于证据聚类和凸函数分析的DSmT多源不确定信息 推理方法77 5.1 引言78 5.2 二源情况下基于证据聚类和凸函数分析的DSmT近似推理方法78 5.2.1 数学分析推理过程78 5.2.2 二源情况的DSmT证据聚类方法83 5.2.3 算法步骤描述84 5.2.4 计算复杂度分析86 5.2.5 仿真实验对比分析及核心代码87 5.3 多源情况下基于证据聚类和凸函数分析的DSmT近似 推理方法100 5.3.1 PCR6规则的数学变换100 5.3.2 数学分析推理过程101 5.3.3 多源情况的DSmT证据聚类方法及近似推理公式103 5.3.4 算法步骤描述107 5.3.5 计算复杂度分析108 5.3.6 仿真实验对比分析109 5.4 本章小结129 第6章 基于条件证据网络的多源不确定信息推理方法131 6.1 引言132 6.2 基于贝叶斯网络的多源信息推理方法的局限132 6.3 基于条件证据网络的多源信息推理方法的优势133 6.4 基于条件证据网络的态势评估模型134 6.5 基于条件证据网络的多源不确定信息推理方法的步骤137 6.6 本章小结139 第7章 多源不确定信息推理技术展望141 参考文献143