Foundations and Applications of Sensor Management

مبانی و کاربردهای مدیریت حسگر تئوری نوظهور مدیریت حسگر را با کاربردهایی در نمونه‌های واقعی مانند تشخیص مین، نمونه‌برداری سیگنال و تصویر تطبیقی، ردیابی چند هدف، و برنامه ریزی شکل موج راداری این توسط کارشناسان برجسته در این زمینه برای مخاطبان مهندسی متنوعی از پردازش سیگنال گرفته تا کنترل خودکار، آمار و یادگیری ماشین نوشته شده است. سطح درمان کتاب به صورت خودآموز و خودآموز است.

فصول کتاب یک توسعه منطقی از مبانی نظری تا رویکردهای تقریبی و پایان دادن به کاربردها را دنبال می کند. این پوشش شامل موضوعات زیر است: پایه های کنترل تصادفی مدیریت حسگر. راهزنان چند مسلح و ارتباط آنها با مدیریت حسگر. رویکردهای نظری اطلاعات؛ سنجش مدیریت شده برای ردیابی چند هدف. روش های تقریب بر اساس شبیه سازی تعبیه شده. یادگیری فعال برای طبقه بندی و نمونه گیری؛ و برنامه ریزی شکل موج برای رادار. ضمیمه ای برای ارائه پس زمینه ضروری در مورد موضوعاتی که خواننده ممکن است به عنوان یک دانشجوی سال اول فارغ التحصیل با آنها مواجه نشده باشد گنجانده شده است: فرآیندهای تصمیم مارکوف. نظریه اطلاعات؛ و زمان توقف.

مبانی و کاربردهای مدیریت حسگر مرجع مهمی برای مهندسین و محققان پردازش و کنترل سیگنال و همچنین توسعه دهندگان برنامه های کاربردی یادگیری ماشین است. .

Foundations and Applications of Sensor Management presents the emerging theory of sensor management with applications to real-world examples such as landmine detection, adaptive signal and image sampling, multi-target tracking, and radar waveform scheduling. It is written by leading experts in the field for a diverse engineering audience ranging from signal processing, to automatic control, statistics, and machine learning. The level of treatment of the book is tutorial and self-contained.

The chapters of the book follow a logical development from theoretical foundations to approximate approaches and ending with applications. The coverage includes the following topics: stochastic control foundations of sensor management; multi-armed bandits and their connections to sensor management; information-theoretic approaches; managed sensing for multi-target tracking; approximation methods based on embedded simulation; active learning for classification and sampling; and waveform scheduling for radar. An appendix is included to provide essential background on topics the reader may not have encountered as a first-year graduate student: Markov decision processes; information theory; and stopping times.

Foundations and Applications of Sensor Management is an important reference for signal processing and control engineers and researchers as well as machine learning application developers.