Theory and Methods for Distributed Data Fusion Applications

I takt med digitaliseringens fremvekst, kunstig intelligens og moderne datakommunikasjon, står ingeniørfaget overfor økende utfordringer knyttet til kompleksiteten i systemer av systemer. I disse systemene har persepsjonssensorer sine egne prosesseringsmekanismer, informasjon blir samlet på en sentral enhet, og datadeling på tvers av plattformer må anses som en helhetlig tilnærming. Som et resultat av dette har distribuerte arkitekturer for datafusjon, tilstandsestimering og flere målmålverksoppfølging blitt stadig viktigere. Bruken av flere sensorer for å oppfatte og beregne situasjonsbevissthet resulterer i generering av enorme datamengder, som må filtreres, berikes, tolkes og evalueres. Dette blir uoverkommelig uten bruken av distribuerte algoritmer. Boken "Theory and Methods for Distributed Data Fusion Applications" tar først for seg grunnleggende prinsipper innen stokastisk bevegelse, som utgjør de underliggende modellene for måloppfølging og parameterestimering. Den følgende delen av boken utforsker de mest kritiske grunnlagene for disse metodene.