项目名称: 非线性无偏最优估计器及高精度跟踪算法研究

项目编号: No.61271317

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 雷明

作者单位: 上海交通大学

项目金额: 75万元

中文摘要: 在利用最小方差线性无偏估计(BLUE)准则下的Kalman类非线性滤波器,进行运动目标跟踪研究中,由于传感器量测的非线性,以及目标运动模式的高机动性,高精度非线性滤波器一直是机动跟踪领域重点研究之问题。首先,从BLUE准则的线性假设着手,本课题将建立非线性无偏最优估计准则,并在此准则下给出高精度非线性最优滤波的通用理论框架,进而给出针对高维/非高斯情况的处理技术。其次,将探索非线性最优滤波框架下,实现传感器位置/Doppler量测联合优化利用机制,并给出针对该联合利用问题的高精度专有滤波算法;最后,为了进一步对已有的不同非线性滤波算法在典型参数范围内进行精度和可靠性评价,有必要给出在线计算Crammer-Rao下界的理论框架,并探索不同滤波算法的Crammer-Rao理论下界,以指导算法性能分析和实际应用。

中文关键词: 非线性滤波;无偏最优估计;非线性量测;高维/非线性/非高斯系统;可靠性分析评价

英文摘要: In the investigation of maneuvering target tracking that based on the state-space-described Kalman-like nonlinear filters, due to some negative issues, such as the linear regression presented by the criterion of linear minimum variance unbias estimation (BLUE), and the nonlinearity of the sensor-obtained observations, as well as the high flexibility of maneuvering mode, certain improvement of the nonlinear estimator wih high accuracy is frequently explored and the involved topic is regarded as an important chellenge by the tracking comnunity. Firstly, to start from the point of the linear assumption in the BLUE, in this planed project we will explore the criterion of nonlinear & unbiased optimality estimation with a general viewpoint, then accordingly a general theoretical framework of high accuracy nonlinear & optimal estimation will be formulated, moreover, we are also obliged to investigate the distinguished strategies to deal the high dimensional/nonlinear/non-Gaussian problems, so as to efficiently enlarge the application scope of the new estimator. Secondly, equiped with the proposed nonlinear & optimal estimation theory, we will focus on the optimal utilization of both the position observation and the Doppler observation in a jointed manner, meanwhile, to suggest a well-designed filtering algorith

英文关键词: Nonlinear Filtering;Unbiased Optimality Estimation;Nonlinear Observations;High Dimensional/Nonlinear/Non-Gaussian System;Reliability Analysis and Evalution

成为VIP会员查看完整内容
0

相关内容

[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
28+阅读 · 2021年9月13日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
44+阅读 · 2021年4月15日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
49+阅读 · 2020年10月21日
专知会员服务
42+阅读 · 2020年7月29日
DynaSLAM II: 紧耦合的多物体跟踪和SLAM
计算机视觉life
1+阅读 · 2021年10月9日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
计算机视觉方向简介 | 多目标跟踪算法(附源码)
计算机视觉life
15+阅读 · 2019年6月26日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月14日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
小贴士
相关VIP内容
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
28+阅读 · 2021年9月13日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
44+阅读 · 2021年4月15日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
49+阅读 · 2020年10月21日
专知会员服务
42+阅读 · 2020年7月29日
相关资讯
DynaSLAM II: 紧耦合的多物体跟踪和SLAM
计算机视觉life
1+阅读 · 2021年10月9日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
计算机视觉方向简介 | 多目标跟踪算法(附源码)
计算机视觉life
15+阅读 · 2019年6月26日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员