本书是关于信息融合理论、应用和传感器管理的一部教材。本书基于编者的研究工作，并借鉴国内外其他学者的成果，力图较全面、系统地讲解信息融合理论、应用、传感器管理以及发展与新研究成果，特别是在异构、多源、动态、非理想信道、稀疏、错误容忍环境下。全书共25章，分为五个部分。第一部分研究现状，包括多源数据融合概述、信息融合的原理和级别、多源传感器数据融合算法、多传感分布检测、传感器管理、探讨和备注；第二部分数学理论基础，包括Bayes方法、模糊集理论、粗糙集理论、MonteCarlo理论、Dempster-Shafer理论、估计理论和滤波器理论；第三部分多源数据融合算法，包括Bayes决策、正态分布时的统计决策、决策、神经网络、支持向量机和Bayes网络；第四部分多源数据融合应用，包括分布式检测和融合、目标追踪的高效管理策略、数据融合的系统校准、目标跟踪策略算法与数据融合、像素与特征的图像融合；第五部分是多传感器管理。本书可作为信息工程、信息融合、模式识别、机器学习、人工智能、数据分析、军事决策和电子对抗等专业的本科生和研究生教材，也可供上述相关领域的科技人员阅读和参考，还可以供雷达，声呐、激光、红外、机器人、导航、交通、医学、物联网、泛在网、CPS、遥感、遥测、定位等领域的科技工作者参考学习。

第一部分 研究现状
第1章 多源数据融合概述
1.1 多传感器数据融合定义
1.2 多传感数据融合面临的问题
习题
第2章 信息融合的原理和级别
2.1 信息融合的基本原理
2.2 信息融合的级别
2.2.1 信源
2.2.2 信源预处理
2.2.3 检测级融合
2.2.4 位置级融合
2.2.5 目标识别融合
2.2.6 态势估计
2.2.7 威胁估计
2.2.8 精细处理
2.2.9 数据库处理
习题
第3章 多传感器数据融合算法
3.1 有缺陷的数据融合
3.1.1 概率融合
……