作为2007年版Statistical Multisource-Multitarget Information Fusion一书的姊妹篇，《多源多目标统计信息融合进展》系统全面地介绍了随机集信息融合最近10年来的理论及技术进展，密切结合弱小目标检测、联合跟踪识别、集群目标跟踪、多源异质融合、传感器配准、传感器／平台资源管理等实际应用问题，内容新颖且系统性强。
　　《多源多目标统计信息融合进展》按专业化程度和应用水平分为五篇26章：有限集统计学初步（第2～6章）；标准观测模型的RFs滤波器（第7～15章）；未知背景下的RFS滤波器（第16～18章）；非标观测模型的RFs滤波器（第19—22章）；RFS传感器与平台管理（第23—26章）。主要内容涵盖：随机有限集与多目标的数学基础、贝叶斯建模／滤波与性能评估、经典有限集滤波器、多传感器有限集滤波、跳变多目标系统滤波、联合的滤波与传感器配准、多目标平滑器、动态未知背景下的有限集滤波、叠加式传感器滤波、图像传感器检测前跟踪、群／簇／扩展目标跟踪、模糊观测下的随机集滤波、单／多目标传感器管理控制的理论及近似。
　　《多源多目标统计信息融合进展》可为从事雷达／光电信息系统设计及其信息综合的技术人员提供理论指导与实际参考，同时也可作为高等院校相关专业研究生的学习教材。计算科学家、物理学家、数学家以及其他从事信息融合理论研究的人员也可从《多源多目标统计信息融合进展》中获益。

第1章 绪论
1．1 有限集统计学概览
1．1．1 FISST的理念
1．1．2 关于FISST的一些误解
1．1．3 观测一航迹关联方法
1．1．4 随机有限集方法
1．1．5 扩展至非常规观测
1．2 有限集统计学最新进展
1．2．1 经典PHD和CPHD滤波器进展
1．2．2 多目标平滑器
1．2．3 未知背景下的PHD和CPHD滤波器
1．2．4 非点目标PHD滤波器
1．2．5 经典多伯努利滤波器的进展
1．2．6 面向“原始数据”的RFS滤波器
1．2．7 理论进展
1．2．8 非常规观测融合方面的进展
1．2．9 迈向大一统
1．3 本书结构

第I篇 有限集统计学初步
第2章 随机有限集
2．1 简介
2．2 单传感器单目标统计学
2．2．1 基本符号
2．2．2 状态空间和观测空间
2．2．3 随机状态／观测、概率质量函数与概率密度
2．2．4 目标运动模型与马尔可夫密度
2．2．5 观测模型与似然函数
2．2．6 非常规观测
2．2．7 单传感器单目标贝叶斯滤波器
2．3 随机有限集
2．3．1 RFS与点过程
2．3．2 RFS的例子
2．3．3 RFS的代数性质
2．4 多目标统计学梗概
第3章 多目标微积分
3．1 简介
3．2 基本概念
3．2．1 集函数
3．2．2 泛函
3．2．3 泛函变换
3．2．4 多目标密度函数
3．3 集积分
3．4 多目标微分
3．4．1 Gfiteaux方向导数
3．4．2 Volterra泛函导数
3．4．3 集导数
3．5 多目标微积分的重要公式
3．5．1 多目标微积分基本定理
3．5．2 集积分变量替换公式
3．5．3 联合空间上的集积分
3．5．4 常数法则
3．5．5 求和法则
3．5．6 线性法则
3．5．7 单项式法则
3．5．8 幂法则
3．5．9 乘积法则
3．5．1 0第一链式法则
3．5．1 1第二链式法则
3．5．1 2第三链式法则
3．5．1 3第四链式法则
3．5．1 4Clark通用链式法则
……

第Ⅱ篇 标准观测模型的RFS滤波器
第Ⅲ篇 未知背景下的RFS滤波器
第Ⅳ篇 非标观测模型的RFS滤波器
第Ⅴ篇 传感器、平台与武器管理

附录

本书是2007年Statistical Multisource-Multitarget Information Fusion一书的姊妹篇。前一部作品是有限集统计学（也称随机集信息融合）的一本教科书式的导论，它采用一种全新且无缝统一的全概率方法来诠释多源多目标的检测、跟踪、分类与信息融合。
　　这部新作将全面介绍2007年后随机集信息融合的研究成果——这在其他地方很难看到，主要面向的读者对象为信号处理专业的研究生、一般研究人员和工程师，同时也包括那些对跟踪、信息融合、机器人及其他相关课题感兴趣的数学家和统计学家。
　　有限集统计学包括下面五个要素：
　　·一种通用的观测理论——基于随机集理论的随机几何表示；
　　·一种通用的随机多目标系统理论——基于点过程（或随机集）理论的随机几何表示；
　　·一种通用的多源多目标建模方法——基于多目标微积分；
　　·一种通用的多源多目标最优处理方法——基于一般模型和贝叶斯滤波理论；
　　·一种通用的多源多目标算法近似方法——同样基于多目标微积分。
　　有关这方面的一些入门性导论可参见文献[181，198，311]，文献[177，311]部分章节中则提供了一些扩展性的概述。另外，Statistical Multisource-Multitarget Information Fusion一书的授权中文版[180]也已出版。读者还可从下述网站获取相关的信息：
　　.“随机有限集滤波”网站，包含英国站和澳大利亚镜像站：
　　-http：//randomsets.eps.hw.ac.UK/index.html.
　　-http：//randomsets.ee.unimelb.edu，au/index.html.
　　·B.T.Vo教授的个人主页：
　　-http：//ba-tuong-vo-au.com.
　　-http：//ba-tuong-vo-au.com/codes/html.
　　一第2个网址下提供许多MATLAB代码下载，包括概率假设密度（PHD）滤波
　　器、集势概率假设密度（CPHD）滤波器、势均衡多伯努利（CBMeMBer）滤波
　　器、文献[309]中的单目标随机集滤波器、λ-CPHD滤波器（见第18章）和多伯
　　努利检测前跟踪滤波器（见第20章）。
　　自2007年以来，有限集统计学吸引了十几个国家的众多研究者，有数以百计的论著出版，推动着随机集信息融合飞速发展。许多天才般的新想法促使该方向日趋多样化，甚至出现了一些未曾预期的研究方向，实际上，这种深入迅猛的发展势头多少也超出了我的预期，如在Statistical Multisource-Multitarget Information Fusion一书第536页中我曾有这样一则善意的免责声明：