项目名称: 复杂战场环境下的几个目标跟踪新问题研究

项目编号: No.61473217

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 连峰

作者单位: 西安交通大学

项目金额: 82万元

中文摘要: 随着各种先进军用传感器的发展,现代战场环境发生了显著变化,各种应用系统对目标跟踪提出了日益复杂的要求,导致一些与传统跟踪问题相区别的新型跟踪问题出现,而现有的方法已不能胜任当前的跟踪任务。 本项目以复杂战场环境下的目标跟踪新问题为研究对象,以随机有限集和有限集合统计方法为主要研究工具,结合D-S证据理论、反馈融合方法、智能优化和学习算法以及压缩感知理论等,重点研究:(1)基于单或多传感器的群目标和扩展目标跟踪新方法;(2)隐身目标和高机动目标联合检测、识别和跟踪;(3)未知杂波环境下的目标跟踪;(4)非合作目标跟踪和动平台多传感器空间配准一体化方法;(5)性能评估方法和验证系统设计。这五个关键科学问题在研究内容上分别有各自明确的背景和应用,但在研究方法上紧密联系、相互支持。 本项目的研究不仅具有重要的学术价值和应用前景,而且对于提高我国国防系统的防御和攻击能力具有重要的现实意义。

中文关键词: 多源信息融合;目标跟踪;状态估计;信号处理

英文摘要: Modern battlefield environment has changed significantly with the development of a variety of advanced military sensors. As a result, many military systems have specified more complicated requirements for target tracking. Because of the emergence of advanced sensors, some new challenging tracking problems, which are significantly different from traditional tracking problems, have appeared. Therefore, existing methods are not suitable for current tracking tasks. In order to solve the new and challenging target tracking problems in complicated battlefield environment, we propose the recently developed random finite set (RFS) theory and finite set statistics (FISST) approach as the main research tool, which will be complemented with the Dempster-Shafer (D-S) evidence theory, feedback fusion, intelligent optimization, learning algorithms, and compressed sensing theory, et al. This project will focus on: (1) new approaches for group target and extended target tracking using single or multiple sensors, (2) joint detection, recognition and tracking for stealth and high maneuvering targets, (3) targets tracking in unknown clutter, (4) integrated methods for non-cooperative targets tracking and moving platform multisensor spatial registration, and (5) performance evaluation methods and verification of system design. Each of the above five key scientific problems has specific background and application. However, the research methods of these problems are closely interrelated and mutually supportive. Research in this project has not only important academic and real-world problem-solving merits, but also has practical significance for improving the defense and attack abilities of our military system.

英文关键词: Multi-source Information Fusion;Target Tracking;State Estimatioin;Signal Processing

成为VIP会员查看完整内容
37

相关内容

北约《军事系统的网络安全风险评估》技术报告
专知会员服务
90+阅读 · 2022年4月18日
【AI+军事】附论文+PPT 《重新评估隐藏者-引导者问题》
专知会员服务
45+阅读 · 2022年4月16日
《塑造2040年战场的创新技术》欧洲议会研究处,142页pdf
专知会员服务
86+阅读 · 2022年4月14日
专知会员服务
22+阅读 · 2021年6月9日
深度学习模型终端环境自适应方法研究
专知会员服务
31+阅读 · 2020年11月13日
专知会员服务
48+阅读 · 2020年10月21日
【党史学习】胡锦涛重要论述(六)
中国图象图形学学会CSIG
0+阅读 · 2021年11月25日
【党史学习】胡锦涛重要论述(五)
中国图象图形学学会CSIG
0+阅读 · 2021年11月24日
【党史学习】毛泽东重要论述(二)
中国图象图形学学会CSIG
0+阅读 · 2021年10月19日
国外有人/无人平台协同作战概述
无人机
86+阅读 · 2019年5月28日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8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
无人机集群对抗研究的关键问题
无人机
49+阅读 · 2018年9月16日
论文 | 深度学习实现目标跟踪
七月在线实验室
47+阅读 · 2017年12月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+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
1+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
2+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5月2日
Arxiv
0+阅读 · 2022年5月2日
Arxiv
17+阅读 · 2021年3月29日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
151+阅读 · 2017年8月1日
小贴士
相关VIP内容
相关资讯
【党史学习】胡锦涛重要论述(六)
中国图象图形学学会CSIG
0+阅读 · 2021年11月25日
【党史学习】胡锦涛重要论述(五)
中国图象图形学学会CSIG
0+阅读 · 2021年11月24日
【党史学习】毛泽东重要论述(二)
中国图象图形学学会CSIG
0+阅读 · 2021年10月19日
国外有人/无人平台协同作战概述
无人机
86+阅读 · 2019年5月28日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8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
无人机集群对抗研究的关键问题
无人机
49+阅读 · 2018年9月16日
论文 | 深度学习实现目标跟踪
七月在线实验室
47+阅读 · 2017年12月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+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
1+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
2+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
相关论文
Arxiv
0+阅读 · 2022年5月2日
Arxiv
0+阅读 · 2022年5月2日
Arxiv
17+阅读 · 2021年3月29日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
151+阅读 · 2017年8月1日
微信扫码咨询专知VIP会员