面向目标跟踪的混合系统非参数贝叶斯推演

The hybrid system theory is one of the most fundamentals to target tracking technology because of its unique advantage in describing the uncertainties of system structure and state. The conventional hybrid system theory assumes that the model set is of finite cardinality and completeness, while this assumption is often too ideal in practice. To break through such an assumption, we attempt to propose a self-learning and more reasonable model design method via nonparametric Bayesian inference based on the hybrid grid modeling framework. Next, we will analyze the properties of the generalized hybrid grid models and develop an efficient hybrid estimation algorithm. By adopting these theoretical results to target tracking, we will exploit a novel tracking technique for non-rigid targets, which is expected to overcome the difficulties of the targets' shape modeling. Finally, our theoretical results and the proposed new tracking technique will be verified on the test platform. This study is a challenging basic research which combines system identification, statistical learning as well as target tracking technology, and the research results will be helpful to enrich and develop the current stochastic hybrid system theory and the target tracking technology.

随机混合系统理论具有描述和解决系统结构和状态均不确定问题的独特优势，因此它是目标跟踪技术中最核心的基础理论之一。主流混合系统理论假设模型集“有限势”和“完备”，而复杂的现实决定了该假设往往过于理想。本项目试图突破该假设的限制，在先期研究的混合网格框架基础上，借助非参数贝叶斯方法，提出一种自学习且结构更加合理的模型集生成方法，分析研究该广义混合系统的模型特性，并开发高效的广义混合估计算法。将广义混合系统的理论结果应用于目标跟踪领域，克服目前非刚体运动形态无法有效建模的困难，探索一种非刚体扩展目标跟踪新方法，并利用测试平台完成验证。本项目是一项结合系统辨识、统计学习以及目标跟踪技术的颇具挑战性的应用基础研究，其研究成果将有益于丰富和发展目前的随机混合系统理论和目标跟踪技术。

混合系统理论在描述和解决离散型模式和连续型状态均不确定问题方面具有独特优势，是目标跟踪技术中关键基础理论之一。主流混合系统理论中模型集“有限且完备”的潜在假设面对复杂的实际应用往往难以满足，如高机动目标的运动识别与跟踪。本项目突破该限制，在非参数贝叶斯框架下，提出了固定主导粗模型集与序贯自学习精细化模型相结合的广义混合多模型建模方式，由此开发了高效的广义混合系统滤波算法。理论结果包含：1) 以KL散度为模型相似性度量指标，证明了提出的建模框架优于传统的多模型结构，它能更准确地刻画真实模式以及模式的变化；2) 通过窗长内数据构造可分性报告，开发了广义多模型基于模式可分性的滤波算法，并证明了其均方估计误差有界；3) 通过设计状态变量之间(衰减)指数核函数的非参形式，推导出刻画航路目标运动的半稳态马尔可夫模型，并提出基于混合模型的快速稳健的异常行为检测方法；4) 提出了一种新的扩展目标形态学表征方法，由此推导出基于期望条件最大化的目标状态、形态联合估计算法。部分理论结果基于重点实验室平台仿真和实测数据得到证实，提出的广义混合模型估计算法的高效性在目标跟踪与识别、智能交通系统等应用场景得到验证。总之，本项目完成了既定的研究内容，且对部分内容进行深入探索和有益延伸；在IEEE汇刊,Automatica等重要期刊发表SCI检索论文14篇，合作出版专著2本，成果质量和数量上均超过预期目标；部分成果被德国卡尔斯鲁厄理工学院 (KIT)、美国橡树岭国家实验室等知名研究机构引用；项目提出的广义混合模型算法有效应用于中国航空集团国防合作项目，实现了成果部分应用转化。