泊松点过程 成像跟踪和感知

1 (p1): 第1章 导论
2 (p1-1): 1.1全书一览
2 (p1-1-1): 1.1. 1部分Ⅰ——基础知识
3 (p1-1-2): 1.1.2部分ⅠⅠ——应用于成像、跟踪和分布感知
3 (p1-1-3): 1. 1.3部分ⅠⅠⅠ——超越泊松点过程
4 (p1-1-4): 1.1. 4附录
4 (p1-2): 1.2实线不充分之处
5 (p1-3): 1.3一般点过程
6 (p1-4): 1.4另一种习惯提法
8 (p2): 部分Ⅰ基础知识
8 (p2-1): 第2章 泊松点过程
8 (p2-1-1): 2. 1事件空间
9 (p2-1-2): 2.2强度
10 (p2-1-3): 2.3实现
13 (p2-1-4): 2.4似然函数
14 (p2-1-5): 2.5期望
14 (p2-1-5-1): 2.5. 1定义
16 (p2-1-5-2): 2.5.2随机和
18 (p2-1-6): 2. 6 Campbell定理
19 (p2-1-6-1): 2. 6. 1 PPPs的特征化
20 (p2-1-6-2): 2. 6.2概率生成泛函
21 (p2-1-7): 2.7叠加
23 (p2-1-8): 2.8独立（伯努利）细化
26 (p2-1-9): 2.9独立性说明
26 (p2-1-9-1): 2.9.1独立散射
29 (p2-1-9-2): 29. 2泊松策略
30 (p2-1-9-3): 2.9.3泊松分布的不可或缺性
32 (p2-1-9-4): 2.9.4与随机过程的联系
33 (p2-1-10): 2. 10非线性变换
36 (p2-1-11): 2. 11随机变换
36 (p2-1-11-1): 2. 11. 1转移过程
37 (p2-1-11-2): 2. 11.2观测过程
39 (p2-1-12): 2. 12其他空间中的PPPs
40 (p2-1-12-1): 2. 12.1离散空间
42 (p2-1-12-2): 2. 12.2离散-连续空间
44 (p2-2): 第3章 强度估计
45 (p2-2-1): 3. 1最大似然算法
45 (p2-2-1-1): 3. 1. 1必要条件
46 (p2-2-1-2): 3.1.2高斯十字瞄准线和边缘效应
48 (p2-2-2): 3.2样本数据的叠加强度
49 (p2-2-2-1): 3.2. 1样本数据的EM方法
51 (p2-2-2-2): 3.2.2权重的解释
52 (p2-2-2-3): 3.2.3简单的例子
53 (p2-2-2-4): 3.2.4仿射高斯和
56 (p2-2-3): 3.3直方图数据的叠加强度
56 (p2-2-3-1): 3.3. 1直方图数据的EM方法
59 (p2-2-3-2): 3.3.2仿射高斯和
60 (p2-2-4): 3.4正则化
61 (p2-2-4-1): 3.4.1参数系定
62 (p2-2-4-2): 3.4.2贝叶斯方法
63 (p2-3): 第4章 强度估计的克拉默-拉奥界（CRB）
64 (p2-3-1): 4.1背景
64 (p2-3-1-1): 4.1.1无偏估计
65 (p2-3-1-2): 4.1.2费希尔信息矩阵和得分向量
65 (p2-3-1-3): 4.1.3 CRB和柯西-施瓦茨不等式
67 (p2-3-2): 4.1.4附带说明
68 (p2-3-3): 4.2样本数据的PPP强度的CRB
70 (p2-3-4): 4.3直方图数据的PPP强度的CRB
73 (p2-3-5): 4.4离散空间上的PPP强度的CRB
74 (p2-3-6): 4.5选通：基架上的高斯分布
76 (p2-3-7): 4.6高斯和的联合CRB
76 (p2-3-7-1): 4.6.1一个高斯和中的均值向量
77 (p2-3-7-2): 4.6.2高斯和的均值与系数
78 (p2-3-8): 4.7观测信息矩阵
79 (p2-3-8-1): 4.7.1一般和
80 (p2-3-8-2): 4.7.2仿射高斯和
84 (p3): 部分Ⅱ应用于成像、跟踪和分布感知
84 (p3-1): 第5章 断层成像
85 (p3-1-1): 5.1正子发射断层成像
87 (p3-1-2): 5. 2 PET：飞行时间数据
87 (p3-1-2-1): 5.2. 1图像重构
91 (p3-1-2-2): 5.2.2小单元极限
91 (p3-1-2-3): 5.2.3直观的阐释
91 (p3-1-3): 5. 3 PET：直方图数据
91 (p3-1-3-1): 5.3.1作为离散空间的检测器
92 (p3-1-3-2): 5.3.2 Shepp-Vardi算法
96 (p3-1-4):…