集员滤波理论及其应用

本项目拟将计算机图形学及模式识别技术引入集员滤波算法的研究之中，提出新的集员滤波算法，研究集员滤波算法的性质及改进集员滤波性能的方法，并将其推广应用于导航系统。包括：提出基于多维图形Delaunay三角化和基于SVM、LLE和Isomap等模式分类器描述的集员滤波算法；研究集员滤波算法的systolic阵列及Tank-Hopfield神经网络快速实现的方法和基于递推线性规划的集员滤波算法；基于矩阵分解变换技术研究具有运算鲁棒性的集员滤波算法；采用随机分析与确定性分析相结合的方法研究集员滤波算法的鲁棒收敛性与算法准确性的关系，以及算法准确性的改进方法；研究基于因果模型的分散化集员滤波算法及其在导航系统中的应用。本项目研究工作的完成将丰富和发展集员滤波的理论，并使其进一步向实用化方向发展。集员滤波在导航系统中应用方法的研究将进一步拓展集员滤波的应用领域，并能解决导航系统滤波算法的鲁棒性问题。