分布式不确定动态系统稳健信息处理与融合研究

多传感器信息融合作为智能信息处理的重要技术已被广泛采用，随着高科技、社会、军事等的发展，人们越来越多地面临各种非理想、不确定实际系统带来的挑战。本项目将单传感器稳健最优化理论和方法恰当地引入多传感器系统，研究分布式多传感器不确定系统中数据关联、状态估计和目标跟踪等信息融合领域几项基本问题，包括系统模型参数取值于某个集合或随机变化、传感器估计误差之间互相关信息不确定等情形下的稳健信息融合；研究传感器之间统计相关信息不完全情形的融合理论和方法；研究符合动态系统需求的稳健处理和融合算法。上述研究内容是国内外多传感器信息融合理论和应用领域目前极为关注的、基本而重要且具有挑战性的前沿课题，涉及信息科学、数学和计算机科学多个分支，其数学本质为复杂不确定条件下的最优化问题，需要恰当地应用多个学科最新理论和方法。研究这些问题对国家科学技术的发展、满足国防现代化建设的紧迫需求均具有十分重要的意义。

针对具有多种不确定性的随机动态系统，研究了分布式信息稳健处理和融合中几项基本而重要的问题，提出了一些创新性的思想和方法，在不同条件下建立了相应的稳健融合模型，获得了多种稳健估计或跟踪融合新理论和有效的新方法。具体包括：1）基于估计误差互相关矩阵范数界、基于概率意义下机会约束规划的思想、基于不确定集合交集的Cheybshev中心几何方法分别建立稳健估计融合模型，获得相应最优或近似最优高效估计或跟踪融合算法。2）对噪声过程有限步相关的随机动态系统，获得全局最优Kalman滤波递推公式。对观测具有随机多步延迟或丢包、模型参数具有范数界不确定性的系统，获得了理论上具有优良性的Kalman滤波算法。3）利用Copula理论和方法研究了多传感器之间统计信息联合分布的估计问题。4）发展变分Bayes理论和方法，对具有不确定输入或系统偏差的复杂随机动态系统获得了目标状态和跟踪新方法。我们从理论和数值方面将上述信息处理与融合方法与包括国际上广泛关注的协方差交等方法进行了比较，新方法表现出估计稳健性和估计精度方面的优点。在本项目的支持下，我们在CRC出版社出版网络化信息处理和融合方面的专著1部，在包括IEEE汇刊的国际期刊、国际信息融合大会等国内外学术会议发表论文17篇，作为主要完成人的项目获2010年度四川省科技进步奖一等奖。综上，我们顺利完成了项目研究计划，实现了本项目的研究目标，研究成果对科学技术的发展以及适应国防现代化建设的需求具有重要意义。