دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Klein. Lawrence A.
سری:
ISBN (شابک) : 9781615837243, 9780819454355
ناشر: SPIE
سال نشر: 2004
تعداد صفحات: 346
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Sensor and Data Fusion - A Tool for Information Assessment and Decision Making به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب سنسور و همجوشی داده ها - ابزاری برای ارزیابی اطلاعات و تصمیم گیری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مزایای همجوشی حسگرها را با در نظر گرفتن ویژگیهای حسگرهای مادون قرمز، مایکروویو و موج میلیمتری، از جمله تأثیر جو بر عملکرد آنها، نشان میدهد. کاربردهایی که از این فناوری بهره می برند عبارتند از: مدیریت ترافیک وسایل نقلیه، سنجش از راه دور، طبقه بندی و ردیابی هدف، پیش بینی آب و هوا، دفاع نظامی و میهن. نویسنده با پوشش جزئیات الگوریتمهای همجوشی دادهها، خلاصهای از اطلاعات مورد نیاز برای پیادهسازی هر یک از الگوریتمهای مورد بحث را شامل میشود و سناریوهای کاربردی سیستمی را که ممکن است اندازه حسگر را محدود کند، اما به دادههایی با وضوح بالا نیاز دارد، تشریح میکند.
This book illustrates the benefits of sensor fusion by considering the characteristics of infrared, microwave, and millimeter-wave sensors, including the influence of the atmosphere on their performance. Applications that benefit from this technology include: vehicular traffic management, remote sensing, target classification and tracking, weather forecasting, military and homeland defense. Covering data fusion algorithms in detail, the author includes a summary of the information required to implement each of the algorithms discussed, and outlines system application scenarios that may limit sensor size but that require high resolution data.
Content:
Front Matter
List of Figures
List of Tables
Preface
Table of Contents
1. Introduction
2. Multiple Sensor System Applications, Benefits, and Design Considerations
3. Data Fusion Algorithms and Architectures
4. Classical Inference
5. Bayesian Inference
6. Dempster-Shafer Evidential Theory
7. Artificial Neural Networks
8. Voting Logic Fusion
9. Fuzzy Logic and Fuzzy Neural Networks
10. Passive Data Association Techniques for Unambiguous Location of Targets
11. Retrospective Comments
Appendices
Index
About the Author