量测“饥饿”状态非高斯演化的空间目标快速高精度跟踪算法研究

Space object tracking (SOT) faces the challenges of both the measurement-starved and the state non-Gaussian evolution, so there is an urgent demand to develop the rapid and accurate SOT algorithm. However, the existing SOT algorithms are all based on the estimation strategy which have to calculate the integral of the strongly nonlinear perturbation, so that they have the shortcoming of calculation complex and low accuracy. This topic plans to transfer the issue of the nonlinear perturbation integral into that of identifying the perturbation viewed as unknown input, to study the joint problem of both the state's Gaussian sum estimation (GSE) and the perturbation's Gaussian sum fitting, to design the theoritical framewrok of double EM coupled with each other, to propose the adaptive GSE algorithm with online percormance evaluation and optimization, to reveal analytically optimized rule of perturbtion's Gaussian sum fitting with parameter constraint, to construct the synchronous convergence strategy of EM and the efficient fusion strategy of GSE from multiple sensor, and to break through the limitation of the computation of nonlinear perturbation integral in standard estimation strategy, which are all done for meeting the SOT's requirement of rapidity and high-precision. Finally, it will set up the SOT's algorithm verification system with the advantages of both modularization and platform, for revealing the EM identification strategy's superiority to the estimation strategy in rapidity and accuracy.

空间目标跟踪（SOT）面临量测”饥饿”和状态非高斯演化的共存挑战，迫切要求开展快速高精度SOT算法研究。现有估计策略必须计算摄动强非线性积分，不仅计算复杂，且精度不佳。本课题拟将摄动强非线性积分转化为摄动未知输入辨识，研究联合轨道状态多高斯估计（GSE）和摄动多高斯拟合辨识问题，设计双层EM辨识理论框架体系，提出性能在线评估优化的自适应GSE算法，揭示参数约束下摄动多高斯拟合的解析优化规律，建立多传感器下EM的协同收敛策略和GSE的高效融合策略，突破国际上现有估计策略必须计算摄动强非线性积分的局限性，满足SOT对快速性和高精度的要求；拟搭建模块化和平台化的SOT算法验证系统，揭示EM辨识策略比估计策略在快速性和精度方面的优越性。

随着未来战场疆域从陆地、空中向外层空间的加速扩展，同时我国对空间攻防对抗作战的国防迫切需求，空间已成为维护国家安全和国家利益必须关注和占据的战略“制高点”，而空间目标跟踪（Space objects tracking, SOT）将成为获取空间优势和控制空间的基础和先决条件，是未来战争中决胜千里的关键因素。SOT面临量测”饥饿”和状态非高斯演化的共存挑战，迫切要求开展快速高精度非线估计跟踪算法研究，而现有估计策略必须计算摄动强非线性积分，不仅计算复杂，且精度不佳，显然无法满足SOT的高精度和实时性要求。本项目面向空间目标快速高精度跟踪的国防迫切需求，开展非线性动态随机系统估计与辨识的前沿基础理论与算法研究，取得了如下研究成果：在思路创新新方面，将复杂的摄动强非线性积分问题转化为简单的摄动未知输入辨识问题，突破国际上现有估计策略必须计算摄动强非线性积分的局限性，满足SOT对精度和实时性的要求；在理论创新方面，设计双层EM辨识理论框架体系，采用变分EM迭代学习思路来实现算法的快速收敛和估计的高效融合，实现摄动一二阶矩的多复合属性辨识，并反馈联合校正状态均值和协方差；在方法创新方面，设计了联合状态估计和摄动伪量测辨识的EM-AM算法，以及摄动伪量测多高斯拟合的EM-PM算法，揭示了参数约束下摄动多高斯拟合参数的解析优化规律；在应用创新方面，搭建模块化和平台化的SOT算法验证系统，揭示EM辨识策略比传统估计策略在实时性和精度方面的优越性。发表论文18篇，其中SCI源期刊3篇，在包括美国控制会议（ACC2016/2018）、国际信息融合会议（Fusion2017/2018/2019）、国际自动控制联合会议（IFAC2017）、IEEE导航制导与控制会议（IEEE GNCC2018）等国际知名会议上发表论文13篇；出版非线性估计领域学术专著2部；申请国家发明专利7项，其中授权6项；培养硕士研究生8名，博士研究生3名；参加或组织本领域国际国内学术会议2次，邀请国内外同行学者来课题组开展学术交流和合作研究6人次。