《多传感器数据融合系统：EKF及模糊决策应用分析》提供了一个新颖的方法来解决传感器数据融合问题，即在动态决策机制基础上建立了态势感知模型，并利用态势感知、个人和环境因素之间的关系做出的安全决策。重点阐述了融合系统中如何利用模糊逻辑来制定决策。原书作者详细介绍了扩展卡尔曼滤波（EKF）的应用分析及基于模糊决策的多传感器数据融合系统。在研究中，《多传感器数据融合系统：EKF及模糊决策应用分析》选择了几个相关的传感器（激光，声纳和射频传感器）监测多个动态代理区域的安全状态，这个系统利用了传感器的相性和互补性，尤其是当使用异构传感器时，在性能上有很大的改进。

第1章 数据融合
1．1 低层次融合
1．2 中级融合
1．3 高层次融合
1．4 安全
1．5 传感器融合
1．6 应用历史

第2章 传感器类型
2．1 传感器
2．2 传感器的选择
2．3 声呐
2．3．1 声呐换能器
2．3．2 声呐的应用
2．4 激光传感器
2．4．1 激光
2．4．2 激光光
2．4．3 激光的应用
2．5 射频传感器
2．5．1 射频传感器的应用

第3章 新的安全监控系统
3．1 目标动态传感
3．2 安全决策

第4章 传感器融合
4．1 相似度概念
4．2 迭代贝叶斯估计和最后验概率
4．3 全局和局部指标

第5章 状态估计
5．1 卡尔曼滤波
5．2 扩展卡尔曼滤波

第6章 状态变换（同类传感器互补）
第7章 决策制定一模糊逻辑系统
7．1 决策过程
7．2 模糊逻辑系统
7．3 1-型模糊逻辑系统
7．3．1 1-型隶属度函数及其运算
7．3．2 语言变量和IF-THEN规则
7．3．3 基于模糊规则的推理
7．4 2-型模糊逻辑系统
7．4．1 2-型模糊集与隶属函数
7．5 模糊逻辑控制
7．6 异构传感器的互补性

第8章 结果与讨论
8．1 卡尔曼滤波结果
8．1．1 两目标的仿真
8．1．2 三目标的仿真
8．2 扩展卡尔曼滤波结果

第9章 结论和工作展望
附录A 超模糊逻辑决策在安全监视系统中的应用
A．1 引言
A．2 安全系统
A．3 模糊逻辑基本原理
A．4 超模糊
A．5 结果和讨论
附录B 系统代码
参考文献