《非線性無偏最優估計器及高精度跟蹤算法研究》是依託上海交通大學，由雷明擔任項目負責人的面上項目。
基本介紹
- 中文名：非線性無偏最優估計器及高精度跟蹤算法研究
- 項目類別：面上項目
- 項目負責人：雷明
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
在利用最小方差線性無偏估計（BLUE）準則下的Kalman類非線性濾波器，進行運動目標跟蹤研究中，由於感測器量測的非線性，以及目標運動模式的高機動性，高精度非線性濾波器一直是機動跟蹤領域重點研究之問題。首先，從BLUE準則的線性假設著手，本課題將建立非線性無偏最優估計準則，並在此準則下給出高精度非線性最優濾波的通用理論框架，進而給出針對高維/非高斯情況的處理技術。其次，將探索非線性最優濾波框架下，實現感測器位置/Doppler量測聯合最佳化利用機制，並給出針對該聯合利用問題的高精度專有濾波算法；最後，為了進一步對已有的不同非線性濾波算法在典型參數範圍內進行精度和可靠性評價，有必要給出線上計算Crammer-Rao下界的理論框架，並探索不同濾波算法的Crammer-Rao理論下界，以指導算法性能分析和實際套用。
結題摘要
高精度非線性濾波一直是機動目標跟蹤/大數據同化領域的重要研究內容。在機動跟蹤/數據同化實踐中，存在感測器量測非線性，以及目標運動模式的不確定性和高機動性，傳統方法即最小方差線性無偏估計（BLUE）準則下的Kalman類非線性濾波在理論和實踐上都明顯不足。因此，本課題主要開展一下工作：（1）著眼於BLUE準則的線性假設，建立非線性無偏最優估計準則，並給出高精度非線性最優濾波的通用理論框架。（2）探索非線性最優濾波框架下，實現感測器多量測聯合最佳化濾波機制以及高精度實現算法；（3）對非線性濾波算法在典型參數範圍內進行精度和可靠性評價並以之指導算法性能分析和實際套用。 本課題取得的重要結果：（1）建立了非線性無偏最優估計準則下非線性最優濾波器（UEVF），並在此框架下建立了最佳化格式和疊代格式二種不同策略，並進行精度和可靠性分析評價。（2）針對高機動多目標精確跟蹤問題，結合所提出的非線性無偏最優濾波方法，建立了基於粒子機率假設密度(PF-PHD)濾波的多感測器聯合檢測、跟蹤和分類算法；針對非線性/非高斯系統下高機動多目標精確跟蹤問題，提出了基於高斯混合機率假設密度（GM-PHD）濾波的高精度加權並行濾波方法；針對高效計算的多目標跟蹤問題，提出基於量測-估計關聯的擴展高斯混合機率假設密度(EGM-PHD)方法，並進行精度和可靠性分析評價。結合變分濾波的誤差學習/估計方法，對大數據同化及統計估計的精度和計算效率取得結果。（3）針對複雜背景噪聲及高雜波下多目標/擴展目標精確跟蹤問題，結合所提出UEVF框架，提出基於擴展目標機率假設密度濾波器（ET-PHD）的多目標聯合檢測、跟蹤與分類方法。針對複雜噪聲背景下多目標精確跟蹤問題，結合具有一般性的新生目標強度假設，提出基於關聯的自適應新生目標強度的機率假設密度濾波。各自進行大數據量的精度和可靠性分析評價。 大量理論和實驗分析表明，所提非線性無偏最佳化濾波框架及其套用擴展方法，對於高精度機動跟蹤、高精度數據同化等帶有強非線性的問題具有重要理論和套用意義。
