项目名称: 高维未知参数下的天波超视距雷达目标跟踪算法研究

项目编号: No.61501378

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 兰华

作者单位: 西北工业大学

项目金额: 19万元

中文摘要: 多种不确定因素(数据关联、模式关联、电离层虚高)耦合下的天波超视距雷达目标跟踪面临着高维数、估计与辨识深度耦合、数据缺失等全新问题。本项目拟重点围绕目标状态估计与电离层参数辨识闭环反馈处理,在近似贝叶斯推理基础上,研究高维未知参数下分布式期望最大化快速算法,建立目标状态估计、数据关联、模式关联、电离层虚高辨识的联合处理框架,探索将高维未知参数分解为多个低维参数的并行处理策略;研究基于变分贝叶斯的联合估计与辨识方法,建立目标状态与电离层参数的共轭先验模型;研究在线评估下的迭代阈值参数优化策略,实现计算量与处理精度的动态折衷,开展基于仿真测试与实际数据相结合的新机理新方法原理性验证,促进估计与辨识等多研究方向的交叉融合,丰富和完善期望最大化及变分贝叶斯理论,并为天波超视距雷达实际工程应用提供新原理和新方法的技术支撑。

中文关键词: 目标跟踪;联合估计与辨识;高维未知参数;天波超视距雷达

英文摘要: Due to the uncertainties present in data association, mode association and the virtual heights of ionosphere, the target tracking in over-the-horizon radar faces new problems of high-dimension, coupling between estimation and identification, data missing, and etc. This project aims at the close-loop feedback processing between target state estimation and ionospheric parameters identification, and carries out the following two researches based on the approximate Bayesian inference theory. The first one is distributed fast expectation maximization algorithm in the presence of high-dimension unknown parameters, which establishes the new framework for joint state estimation, data association, mode association and ionospheric virtual heights identification, decomposes the high-dimension parameters into multiple low-dimension parameters parallel processing, and thus improves the efficiency of expectation maximization algorithm. The second one is joint estimation and identification based on variational Bayesian algorithm, which constructs the conjugate prior distribution for both target state and ionospheric parameters. Meanwhile, we will determine the on-line performance evaluation strategy for optimizing the thresholding parameters in iterative framework, and seek a tradeoff between computation burden and processing accuracy. The proposed algorithms will be verified via simulation and real data. This project would be contribute to promoting the integration of estimation and identification, and supplying the new principles and methods for engineering application of over-the-horizon radar.

英文关键词: Target tracking;Joint estimation and identification;High-dimension unknown parameters;Over-the-horizon radar

成为VIP会员查看完整内容
2

相关内容

标跟踪是指:给出目标在跟踪视频第一帧中的初始状态(如位置,尺寸),自动估计目标物体在后续帧中的状态。 目标跟踪分为单目标跟踪和多目标跟踪。 人眼可以比较轻松的在一段时间内跟住某个特定目标。但是对机器而言,这一任务并不简单,尤其是跟踪过程中会出现目标发生剧烈形变、被其他目标遮挡或出现相似物体干扰等等各种复杂的情况。过去几十年以来,目标跟踪的研究取得了长足的发展,尤其是各种机器学习算法被引入以来,目标跟踪算法呈现百花齐放的态势。2013年以来,深度学习方法开始在目标跟踪领域展露头脚,并逐渐在性能上超越传统方法,取得巨大的突破。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【NeurIPS2021】未见深度架构参数预测
专知会员服务
9+阅读 · 2021年10月27日
专知会员服务
22+阅读 · 2021年10月6日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
24+阅读 · 2021年6月9日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
20+阅读 · 2020年9月8日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
面向任务型的对话系统研究进展
专知
0+阅读 · 2021年11月17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
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014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
0+阅读 · 2013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 · 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 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【NeurIPS2021】未见深度架构参数预测
专知会员服务
9+阅读 · 2021年10月27日
专知会员服务
22+阅读 · 2021年10月6日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
24+阅读 · 2021年6月9日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
20+阅读 · 2020年9月8日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
相关资讯
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
面向任务型的对话系统研究进展
专知
0+阅读 · 2021年11月17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
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014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
0+阅读 · 2013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 · 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 · 2012年12月31日
微信扫码咨询专知VIP会员