多传感器数据融合被定义为用来组合传感器数据，或者从传感器数据导出数据，转化为普通表示格式的理论、技术和工具。通过有效的数据融合，目的是改进信息的质量。也就是说，在某种意义上，信息的质量要比这些数据源拉下了不经过分析综合地使用要好。
作者将本书的内容编排成5个部分。第1部分基本概念，含第1-3章：1对多传感器数据融合这一课题作了一般性介绍，2-3则对传感器及数据融合总体结构做了述评。第2部分普通表示格式，含第4-8章：4.普通表示格式； 5.空间校准； 6.时间校准； 7.语义校准； 8.辐射测量校准。第3部分数据融合，含第9-14章：9多传感器数据融合的贝叶斯方法以及所涉及的不同技术；10-12包括顺序估计理论在内的参数估计理论；13贝叶斯决策论；14整体学习。第4部分 传感器管理，含第15章，作者特别考虑了决策可能是怎样由数据融合块做出的，如果有需要，反馈到传感器。第5部分附录：背景材料，总结了本书读者应该熟悉的概率论、线性代数和矩阵理论。
本书作者H·B·米歇尔博士来自以色列。本书的第1版书名是《多传感器数据融合入门》，由SpringerVerlag于2007年出版。
本书的内容是自成体系的，不要求读者事先具有多传感器数据融合的知识。本书可供电器工程和计算机科学专业的相关人员阅读借鉴。
胡光华，退休高工
（原中国科学院物理学研究所）
推荐访问： 融合 数据
