本书详细介绍了情境增强信息融合的基础推理、理论和方法，包括融合过程设计和实现中的情境影响，书中汇集了该领域顶尖专家的最新研究成果。全书分六个部分：基本原理、用于融合的情境概念、情境融合的系统观念、情境的数学特征、硬/软融合中的情境以及情境方法在融合中的应用。本书强调高级别信息融合和低级别信息融合之间的平衡问题，以描述在苛刻条件下的性能改进；强调组合不同领域的先进技术，以克服单一视角、传统计算和传统上应用于特定领域数据和信息融合程序的局限性。最后，介绍了所选择的需要注入情景知识的有代表性的应用领域，例如，视觉系统，港口监视、机器人和环境智能等。

推荐序 作为本书的合作主编和特约作者，很高兴得知该书将在中国出版。要特别感谢上海交通大学史习智教授对翻译该书的建议，并主持了整个翻译工作。我们相识于2000年国际信息融合会议（巴黎），多年的友谊和交流为本项工作的顺利进行奠定了基础。 2010年，应西班牙查理三世马德里大学(UC3M) 的Jesus Garcia 教授之邀，我访问了马德里。由于西班牙是一个拥有广阔海岸线的半岛，许多研究都与海事问题有关。在探讨联合研究课题时，我们很自然地讨论了海事问题。对此，有许多情境信息可用，诸如水深、码头的位置、各种海岸传感器和已知的航道等。讨论也自然地扩展至许多监视类的问题，这需要融合基于传感器的数据和人员报告的数据。由讨论获得灵感，我决定编写一本将情境信息集成至数据融合过程的书，这将会是该主题的第一本著作。我也邀请了意大利Udine大学的Lauro Snidaro教授和美国空军科学研究办公室的Erik Blasch博士一起完成该书，本书也是对国际数据和信息融合学术界的一份贡献。该书的中文译本也将进一步帮助已取得诸多进展的中国研究人员，他（她）们已成功地举办了2017年国际信息融合会议（西安）。 本书旨在以高级别融合和低级别融合之间的平衡将情境信息集成至信息融合系统的设计之中，以适应广泛的应用领域。情境的概念是复杂的，更多的情境信息是在语言或软信息框架中表示的，所以，硬融合和软融合问题受到了关注，在各种应用中，都展现了利用情境信息所取得的实际收益。 我曾不止一次地同我的主编同事谈起对史习智教授的谢意，也非常感谢中国航空学会信息融合分会邀请了多位领域专家承担繁重的翻译任务，他（她）们是：耿琳、崔亚奇、韩德强、范晓婧、刘妍、 朱洪峰、吕亚飞、蔡咪、顾祥岐、刘恒燕、肖碧琴、丁迎迎、石汪权、于昌荣、蒲勇、刘准釓、张作伟、刘泽超、张希娟、段静菲和陈 照。 全书由史习智教授校对。 最后，感谢上海半斗经济发展中心对本项工作的支持和推动。 Prof. James Llinas, Director (Emeritus) 纽约州立大学布法罗分校，多源信息融合中心 2018年11月 ? ? 前 言 本书将“信息融合”和“情境”两个复杂的主题联系在一起，二者都有很长的发展历史。在本前言中，我们阐述其发展的原委并给出全书的组织框架。 历史 信息融合的概念可追溯至亚里士多德的著作，它确认了人类感官的整合。随着技术的进展，对感知的本质进而理解为不仅要收集人的数据（例如视网膜的接收器），也要从物理传感器获得数据（例如像素）。对信息融合来讲，情境有其自身的哲理起源。从古希腊起，对人与世界之间，内部和外部的相互作用，就有过各种争论。心理感知和物理感知是集成身心感受的一种手段，其过程与情境理解相似。 情境的作用 情境增强信息融合的三项内容是：感知的情境影响函数、信息系统和计算。与情境有关的关键问题之一是Gibson所定义的生态感知。20世纪50年代出现一种概念，即人的意识由感官严格地构成感知。然而，Gibson对此概念提出了挑战，在其1966年的著作The Senses Considered as Perceptual Systems中，他指出神志可直接解释为来自环境的刺激。在另外的著作中，他断言，外部环境影响行动和生态观，其中，对外部环境的自我概念（情境框架）会影响感知。这些著作构成了有关感知中情境作用的里程碑。20世纪90年代，第二个里程碑包括从各种感知数据采集的大规模物理信息，包括气象、地形和道路数据，称为地理信息系统（Geographical Information System，GIS）。根据所采集的大量数据，信息领域的研究人员使用该信息以改进估计的精确性。最近，情境—感知计算方法显示，全局信息可用于修改或增强局部估计过程的有关参数或关注的状态。利用互联网，就有可能实现分布式处理、基于云的信息获取和认知自主。当今，通过数据库、无线连接和云技术可充分地获得这些信息。由于能够访问相关的GIS数据及更大范围的其他形式数据，使得使用情境信息的能力可以推广至更多的应用领域。 表1列出了信息学术界所确定的里程碑的一般主题。纵览历史长河的普遍贡献，有三个领域，即概念和哲理，数学和数据集成理论，以及结构体系和应用，这三个领域便于编者组织来自信息融合领域的顶尖科学家、研究人员、从业者和管理人员为本书提供素材。 表1 情境开发能力随时间的演变 信息视角 时间段 古代 20世纪60年代 20世纪90年代 2010年之后 信息 感知 估计 多传感器 信息 情境 身心 生态 GIS 感知计算 情境融合 哲理 理论 应用 结构体系 现代信息系统应用 现代信息系统必须考虑其所处应用领域的特定性质，显示鲁棒性，以及情境敏感行为。同样地，除了即时的感觉数据外，系统设计者必须考虑不同的情境知识源，以发展一个有效的、高效的和有用的态势评估方法。对于广泛的应用领域，情境知识可能包括场景的结构模型、实体和周边环境之间的已知先验关系、为解释或约束系统输出所需的动态场景，以及估计所关注领域态势时用户的偏好、社会规范和文化。情境包括扩大原本有界估计的条件和增强含义的估计结果。本书为系统设计者提供了一个广泛的讨论框架，将情境信息用于基于融合的估计（据本书作者所知，至今在文献中尚无先例）。 信息融合系统的发展，包括数据级融合、传感器级融合和特征级融合，是各项应用的一个必要的工程过程。新的领域需要日益增多的情境化的解决方案和态势自适应机制。包容情境因素及信息融合系统的潜在发展提供了一个改进融合输出质量的机会，使得解决方案能适应不同应用的需求并增强对用户查询的对口响应。基于情境的策略挑战包括选择适当的表示、开发和实例。情境可表示为知识库、本体和地理地图等，从而构成关切自适应能力和系统性能的有力工具。应用例包括情境辅助跟踪和分类、态势推理、本体构建和决策更新。同时讨论的情境还有对信息融合增强性能有特定要求的领域和传感器。例如，情境辅助的目标跟踪寻求确定具有领域约束敏感性（例如道路）的运动学运动，而情境辅助的信息融合解决方案不仅利用道路信息，也利用相同地理信息的社会规范（例如交通规则）。 本书的内容 本书介绍基础推理、理论和方法，包括融合过程设计和实现中的情境影响，以及情境信息用于现今实际应用的最新成果；强调高级别信息融合和低级别信息融合之间的平衡问题，以展示在高要求条件下的性能改进；选择集成不同学术界（与信息融合学术界之外的读者有关）的研究成果的整体方法，强调组合不同的技术以克服单一视角、遗留计算（legacy computing）和传统上应用于特定领域数据和信息的程序的局限。信息融合的新近进展包括情境利用、多级别融合性能和硬/软融合。本书最后介绍了需要基于情境知识的有代表性的应用领域，例如视觉系统、港口监视、机器人和环境智能等，以说明基于传感器的数据和情境信息相协同的过程会产生更鲁棒而翔实的结果。 大纲 全书分为以下六部分。 基本原理：介绍信息融合和情境中的必要术语和关键元素。主要概念是以JDL/DFIG 数据融合模型表述的，有助于读者在一个熟知的环境下构建情境增强融合。 用于融合的情境概念：介绍情境—感知信息融合的中心主题和问题；情境的形式化连同源自情境——增强目标跟踪、决策支持和威胁评估的话题。 情境融合的系统观念：讨论在开发情境—感知融合系统中的设计问题和挑战，提出了几种体系结构，对于专门用于情境访问和发现的中间件层具有关键作用。 情境的数学特征：对典型融合问题（诸如传感器质量评估、目标跟踪和文本分析等）中的情境影响建模提供了数学依据。 硬/软融合中的情境：处理设备—生成的数据（硬）与人—生成的数据（软）的融合。作为一个新话题，情境将硬数据和软数据联系在一起。 情境方法在融合中的应用：提供了一系列应用，在其融合过程中，情境信息的利用提升了系统性能。应用领域包括海上和地面目标跟踪、监视、机器人和辅助驾驶。 希望我们所介绍的信息及技术有助于各方从业者、研究人员、读者和学者寻求实践中的信息融合解决方案。本书集合了该领域的最顶尖专家，以展示他们使用情境来增强信息融合结果的技术。 Lauro Snidaro（Udine ，意大利） Jesús García（Carlos Ⅲ ，西班牙） James Llinas（纽约大学，Bufallo分校，美国） Erik Blasch （空军研究实验室，Roma，纽约，美国）

第一部分 基本原理 第1章 情境和融合：定义、术语 2 1.1 信息融合导论 2 1.1.1 数据（信息）融合的定义 3 1.1.2 信息融合“级别” 3 1.1.3 关于IF体系结构中数据和信息的备注 5 1.1.4 进一步的参考资料 6 1.2 融合中的情境 6 1.3 对信息融合和情境的展望 7 1.3.1 不同于焦点前提的情境前提 9 1.3.2 信息融合过程的含义 9 1.3.3 集成情境至信息融合过程 9 1.4 结论 13 致谢 13 参考文献 13 第二部分 用于融合的情境概念 第2章 信息融合的“情境”形式化 22 2.1 引言 22 2.2 何为情境？ 24 2.3 情境和知识 25 2.4 情境形式化 25 2.5 情境和信息质量 27 2.6 情境和自然语言理解 30 2.7 结论 32 参考文献 33 ? 第3章 情境：一个不确定源 36 3.1 信息融合过程中的不确定性 36 3.2 关于情境信息中不确定性的文献研究 40 3.3 情境的分类 40 3.4 本体论的作用和概率本体论 42 3.5 情境信息质量 43 3.5.1 不确定性变换 44 3.5.2 相互矛盾的、可疑的和不一致的信息 45 3.6 用例讨论 46 3.6.1 港口防护威胁评估 46 3.6.2 情境因素和情境信息类别 46 3.6.3 关注的事件 48 3.6.4 情境的不确定性维数 48 3.7 结论 54 参考文献 54 第4章 信息融合中的情境跟踪方法 58 4.1 引言 58 4.2 情境跟踪方法的背景 60 4.3 情境跟踪 62 4.4 情境跟踪的机器分析 63 4.5 情境跟踪中的传感器、目标和环境 63 4.5.1 特征跟踪和辨识（目标） 64 4.5.2 广域运动图像（传感器） 64 4.5.3 态势和场景（环境） 65 4.6 受道路约束的跟踪和辨识示例 65 4.6.1 道路网络（环境） 65 4.6.2 目标测量模型（传感器） 67 4.6.3 十字路口的目标模型（目标） 67 4.6.4 情境跟踪示例——结果 68 4.7 讨论 69 4.8 结论 71 致谢 71 参考文献 71 第5章 威胁评估系统的情境假设 80 5.1 引言 80 5.2 威胁的定义 81 5.2.1 威胁评估 81 5.2.2 威胁评估的独特系统要求 82 5.3 决策支持系统的假设 83 5.4 基于情境的威胁实例 90 5.4.1 贝叶斯与证据推理的关联 91 5.4.2 比例冲突重新分配 91 5.5 从情境出发实现威胁估计 92 5.6 讨论 94 5.7 结论 94 致谢 95 参考文献 95 第6章 面向决策支持的情境感知知识融合 101 6.1 引言 101 6.2 知识融合：当前发展情况 102 6.3 面向应急管理的情境感知决策支持系统 103 6.3.1 决策支持模型 103 6.3.2 概念框架 104 6.3.3 火灾响应 107 6.3.4 CADSS中的知识融合 114 6.4 结论 116 致谢 116 参考文献 116 第三部分 情境融合的系统观念 第7章 情境信息的系统级使用 122 7.1 内容范围和组织 122 7.2 信息利用中的情境 123 7.2.1 “谁的情境”（Context-Of：C-O）与“为谁的情境” （Context-For：C-F） 124 7.2.2 问题变量与情境变量 125 7.3 数据融合中的情境 127 7.4 情境利用中的质量控制 130 7.5 自适应情境利用 132 7.5.1 信息利用中的自适应性价值 132 7.5.2 推理问题与方法的分类 133 7.6 自适应组合建模 134 7.7 机会适应性 135 7.8 在预测建模中使用情境 138 7.9 结论 139 参考文献 140 第8章 信息融合中情境利用的体系结构 142 8.1 引言 142 8.2 情境知识与可获得资源的类型 143 8.3 与体系结构相关的工作 145 8.4 中间件方法 146 8.4.1 IF文献中的中间件 146 8.4.2 中间件方法:从IF到CI的查询服务 147 8.4.3 中间件函数及其在IF过程的使用要求 149 8.5 基于情境输入的多级别自适应体系结构 151 8.6 结论 154 致谢 154 参考文献 154 第9章 用于交换与验证情境数据和信息的中间件 156 9.1 情境在动态融合系统中的相关性 157 9.2 在开放式系统集系统设计中的交互计算过程 157 9.3 信息融合体系结构中的相互依赖关系 159 9.3.1 分析与决策的观点 159 9.3.2 网络的观点 161 9.3.3 对信息交换（中间件）的影响 163 9.4 利用中间件将数据至决策（D2D）概念应用于融合 163 9.5 中间件 166 9.6 主动中间件——ProWare 166 9.6.1 态势参数概念 167 9.6.2 基于订阅的信息交换 168 9.6.3 数据中介 169 9.7 数据验证 170 9.7.1 数据质量方面 171 9.7.2 数据验证操作 171 9.8 总结 173 参考文献 173 第10章 基于建模用户行为的情境感知主动决策支持 176 10.1 引言 177 10.2 概念性的操作示例 179 10.3 APTO系统 180 10.3.1 长期目标 180 10.3.2 技术方法 180 10.4 OZONE App的情境容器 181 10.5 情境感知记忆管理器 181 10.5.1 快照记忆 182 10.5.2 情节记忆 182 10.6 情境转换模型和转换识别 183 10.7 情境转换感知阶段和可视化 183 10.8 事件管理器 183 10.8.1 事件检测 184 10.8.2 规范性事件识别 184 10.9 活动管理器 184 10.9.1 动作检测 184 10.9.2 规范性动作集 185 10.9.3 Suadeo推荐引擎 185 10.10 工作流程管理器 185 10.10.1 特定领域的工作流程 186 10.10.2 采取的动作 186 10.11 HABIT：认证决策框架 186 10.11.1 相关工作 186 10.11.2 方法学 187 10.11.3 总结讨论 189 10.12 网络安全的情境意识动机 190 10.13 CEDARS：综合探索性数据分析推荐系统 191 10.13.1 介绍和相关工作 191 10.13.2 系统架构 192 10.13.3 用例 195 10.13.4 讨论和未来工作 196 10.14 A-TASC：监督控制中的自适应任务分配 196 10.14.1 A-TASC动机 196 10.14.2 A-TASC预测模型 197 10.14.3 方法论 198 10.14.4 未来的工作 199 10.15 结论 200 致谢 201 参考文献 201 ? 第四部分 情境的数学特征 第11章 基于情境分析的目标跟踪融合过程监控 206 11.1 引言 206 11.2 情境信息定义 207 11.3 情境空间 207 11.3.1 情境变量 207 11.3.2 传感器概率或传感器有效性子集 210 11.3.3 传感器组的相容有效性概率 211 11.3.4 传感器组的排斥有效性概率 211 11.4 考虑情境的估计 212 11.4.1 静态估计 212 11.4.2 动态估计 215 11.5 仿真 219 11.5.1 仿真条件 219 11.5.2 结果 220 11.5.3 备注 221 11.6 结论 221 参考文献 222 第12章 用于目标跟踪的情境开发 223 12.1 引言 223 12.2 贝叶斯目标跟踪 224 12.2.1 系统方程 225 12.2.2 贝叶斯预测和滤波器更新 225 12.2.3 线性高斯系统 227 12.2.4 非线性系统 228 12.3 情境增强目标跟踪 229 12.3.1 引言 229 12.3.2 约束贝叶斯滤波 230 12.4 约束目标跟踪算法及其应用 232 12.4.1 通用滤波器 232 12.4.2 海上交通监控跟踪滤波器 233 12.4.3 用于地面目标跟踪的跟踪滤波器 238 12.5 数值结果 244 12.5.1 航路辅助跟踪 244 12.5.2 GMTI雷达改进地面目标跟踪 247 12.6 结论 250 参考文献 250 第13章 情境跟踪地面应用：算法和设计实例 255 13.1 引言 255 13.2 空中和地面跟踪比较 256 13.3 可通行性和地形特征 257 13.4 目标行为 258 13.5 量测信息源 259 13.6 通用目标跟踪算法 259 13.7 单目标跟踪 260 13.7.1 多模型算法 260 13.7.2 其他算法 266 13.8 多目标跟踪 268 13.8.1 常见问题和跟踪方法 268 13.8.2 多模型算法 268 13.8.3 对称测量方程滤波器 270 13.9 地面跟踪应用 272 13.9.1 通行能力 274 13.9.2 试验结果 277 13.10 海事跟踪应用 278 13.11 结论及未来工作 281 致谢 281 参考文献 282 第14章 文本分析的情境相关性和软信息融合增强 287 14.1 引言 287 14.2 命题图 288 14.3 与全局图合并 290 14.4 情境理论 291 14.5 使用扩散激活查找相关信息 291 14.5.1 一般扩散激活和命题图 291 14.6 评估扩散激活 294 14.6.1 方法 294 14.6.2 评估结果 297 14.6.3 讨论 297 14.7 结论 299 致谢 300 参考文献 300 ? 第15章 多传感器组的情境学习和信息表示算法 303 15.1 引言 303 15.2 情境学习 305 15.2.1 情境的数学形式化 305 15.2.2 学习情境感知的测量模型 307 15.2.3 现场决策自适应中的情境感知 309 15.3 多模态信号的语义信息表示 310 15.3.1 概率有限状态自动机的结构 311 15.3.2 希尔伯特空间构建 312 15.3.3 交叉机扩展 313 15.3.4 PFSA特征提取：构造D-Markov机 314 15.4 实验和结果 315 15.4.1 实验场景和数据收集 315 15.4.2 数据预处理和特征提取 315 15.4.3 性能评估 316 15.5 结论 317 致谢 318 参考文献 318 第五部分 硬/软融合中的情境 第16章 动态及多层次融合的情境 322 16.1 引言 322 16.1.1 多传感器多线索融合 323 16.1.2 情境信息中的异质性 325 16.2 情境作为多层次融合的约束要素 326 16.3 情境和JDL第四层次 327 16.3.1 体系结构 328 16.3.2 滤波步骤 329 16.4 情境感知系统的设计指导 331 16.4.1 情境筛选 331 16.4.2 情境切换 333 16.5 讨论 334 16.5.1 先验知识、情境和适应性 334 16.5.2 情境异质性和信息融合层级 335 16.5.3 中间件 335 16.6 结论 335 参考文献 335 第17章 硬软信息的多级别情报融合 339 17.1 引言 339 17.2 背景 340 17.3 前期工作 344 17.4 多级别融合 344 17.4.1 一个示例场景 344 17.4.2 “多级别”不是“硬+软”融合 345 17.5 多级别融合中的情境使用 346 17.6 BML使能的融合 347 17.6.1 行动中的BML 348 17.6.2 表示BML中的不确定性 351 17.6.3 BML表征用于不确定性管理 352 17.6.4 多源BML信息的协调 355 17.7 结论 356 致谢 356 参考文献 356 第18章 基于情境的物理和人为数据级别5信息融合 360 18.1 引言 360 18.2 视频和文本分析 361 18.2.1 基于物理的传感——视频跟踪 362 18.2.2 基于人的传感——文本处理 362 18.3 人体数据融合的物理条件 363 18.3.1 基于效果的标签方法 363 18.3.2 基于查询的分析 364 18.3.3 视频和文本的分析描述 365 18.3.4 情境作为视频和文本的相关方法 366 18.4 L1跟踪框架 366 18.4.1 粒子滤波器 367 18.4.2 稀疏表示 367 18.4.3 处理遮挡和噪声的改进方法 368 18.4.4 最小误差界 368 18.5 物理和人为信息融合的例子 369 18.5.1 来自SYNCOIN的文本 370 18.5.2 视频分析 371 18.5.3 空间上的视频—文本关联 372 18.5.4 时间上的视频—文本关联 373 18.5.5 空间和时间上的视频—文本图形关联 373 18.6 讨论 376 18.7 结论 377 致谢 377 参考文献 377 第19章 基于查询视频流的情境理解 383 19.1 引言 383 19.1.1 情境数据 384 19.1.2 情境特征 385 19.1.3 情境场景 386 19.2 用于情境索引的多媒体数据表示 388 19.2.1 多媒体索引和检索 389 19.2.2 基于内容的图像检索 390 19.3 支持情境分析的数据库系统 391 19.4 用于情境分析的LVC-DMBS 394 19.4.1 LVC-DMBS数据模型 395 19.4.2 LVC-DMBS查询语言 397 19.4.3 情境评估 398 19.5 讨论 400 19.6 结论 403 致谢 403 参考文献 403 第六部分 情境方法在融合中的应用 第20章 公共安全多传感器系统中情境的作用 409 20.1 引言 409 20.2 安保——方法与初步措施 410 20.3 保险、法律情境与信息融合 412 20.4 公共安全与保障的概念和细节 413 20.5 公共安全系统的情境驱动设计 414 20.6 危险品定位的问题 415 20.7 HAMLeT——实验实例讨论 416 20.8 情境集成——设计所应遵守的法律 419 20.9 情境集成——适当的传感器模型 420 20.10 情境集成——人流量信息 423 20.10.1 规则模式集成 423 20.10.2 非规则模式检测 424 20.11 辅助系统与自主计算 424 20.12 结论 426 参考文献 426 第21章 基于情境的广域运动图像目标跟踪实体关联 430 21.1 前沿 431 21.1.1 空间情境 431 21.1.2 时间情境 432 21.2 实体估计的背景 433 21.3 多车辆跟踪 434 21.3.1 框架概述 434 21.3.2 时间情境 435 21.3.3 多目标关联 437 21.3.4 多帧关联 439 21.4 实现 439 21.4.1 配准 439 21.4.2 生成候选 440 21.4.3 候选的分类 440 21.5 实验 441 21.5.1 时间情境 441 21.5.2 一致性空间情境 445 21.6 结论 448 致谢 449 参考文献 449 第22章 地面目标跟踪应用军事和民用领域的设计实例 453 22.1 引言 453 22.2 相关应用：地面信息的表示和地面目标跟踪技术 454 22.3 地面目标跟踪 455 22.3.1 速度场生成 455 22.3.2 求解线性传递方程的计算方法 457 22.3.3 数值例 461 22.4 机场地面示例 462 22.4.1 机场布局表示 463 22.4.2 数据融合解决方案 464 22.4.3 结论 468 22.5 结论 472 致谢 472 参考文献 473 第23章 计算机视觉系统中基于情境的态势识别 476 23.1 引言 476 23.2 情境管理的知识模型 477 23.3 基于视觉行为识别中的情境 478 23.3.1 低层融合中的情境 479 23.3.2 高层融合中的情境 481 23.4 基于情境的行动识别示例 483 23.4.1 视频注释 483 23.4.2 用情境推理提高跟踪器的准确性 484 23.4.3 环境智能中的场景解释 488 23.5 结论 492 致谢 492 参考文献 493 第24章 情境信息增强数据融合在道路安全中的应用 496 24.1 引言 497 24.2 智能交通系统中的数据融合 497 24.3 总体描述 498 24.3.1 激光扫描仪行人检测 500 24.3.2 基于光学传感器的障碍物检测与分类 501 24.4 融合系统 502 24.4.1 估计滤波器 502 24.4.2 JPDA数据关联 503 24.4.3 航迹管理 504 24.5 用于基于危险估计的行人检测的环境CI 504 24.5.1 基于探测区域的危险估计 505 24.5.2 行人检测与危险估计 506 24.6 实验与对比 508 24.6.1 实验 508 24.6.2 算法对比 510 24.7 结论 511 致谢 511 参考文献 512 第25章 机器人与信息融合中的情境 514 25.1 引言 514 25.2 机器人中的情境 515 25.2.1 情境信息 515 25.2.2 情境表示 518 25.2.3 讨论 520 25.3 信息融合应用的情境感知框架 522 25.3.1 框架设计 522 25.3.2 框架方案 522 25.4 基于情境的信息融合体系结构实例 524 25.4.1 应用场景：智能车辆上的自适应巡航控制系统 524 25.4.2 问题定义 525 25.4.3 情境的分类法 525 25.4.4 情境信息融合 526 25.4.5 遵循JDL观点的信息融合管道 526 25.5 结论 529 致谢 529 参考文献 529