面向远程预警大数据处理的分层EM理论及方法研究

The item amins at the joint estimation and identification for the big-data survellience. The first is to estiblish the processing model for high-dimension states and measurements, find the dynamic projection transformation to decompose the original optimization into multiple low-dimension optimization with weak correlation, and hence obtain the multi-layer EM framework. The second is to represent modelling biases due to identification risks by a class of unknown input (UI), construct the UI-free low-dimension equivalent system, find the conditions of the existence of the resultant system, and hence design adaptive filter decoupled with UI. The last is to measure the preformance of the joint estimation and identification in the multi-object, multi-constraint, non-analytic and multi- parameter sense, determine the swarm-intelligence strategy for optimization the thresholding parameters in the EM framework driven by time-varying requirements and data in pursuit of the desirable tradeoff between computation burden and processing accuracy. This item would be helpful in promoting the integration of estimation and identification and supplying the new concepts, principles and methods for engineering applications.

本项目拟重点围绕远程预警大数据的联合估计与辨识问题，重点研究状态与量测高维数下的估计与辨识联合处理模型，探索将高维数系统经过动态投影变换，分解为多个弱相关低维子系统，进而建立多个多个低维子系统的协同优化途径，从而构建一个多层次EM的联合处理框架；将辨识风险引起的建模误差表征为一类未知干扰输入，利用多元冗余信息的相关与对消，构造与扰动无关的降维等价系统，获得系统存在性条件，从而为自适应估计器设计中的辨识风险对消提供依据；研究满足多目标、多约束、非解析、多参数等特性的估计与辨识在线性能指标评估方法，探索在数据驱动、任务牵引的双重作用下EM阈值参数的群体智能仿生优化策略，实现计算负荷与处理精度的动态、有效折衷。本项目将促进估计与辨识等多研究方向的交叉融合，并为工程应用提供新概念、新原理和新方法的技术支撑。

远程预警所应对的目标和环境日益复杂，包括：杂波密集、信号传播路径不确定、目标机动不确定等。与之相应，预警信息处理与融合面临着模型不确定性（目标运动模式和参数不确定、环境演化不确定）和数据不确定性（地海反射的海量虚假量测、数据来源的未知、信号传播路径的不确定），需要探索具有智能学习、全局优化、高速精确的目标运动状态估计与模式/参数辨识联合优化新机制，为天波超视距雷达（OTHR）数据处理、机载协同感知等提供新原理。. 本项目提出了OTHR目标与环境联合认知的期望最大化（EM）迭代优化方法、适合高维参数快速辨识的分层EM框架等，跟踪性能显著优于主流的MPDA等自适应跟踪算法；提出了基于前置接收机的OTHR联合模式识别与定位提升方法、目标运动状态与电离层虚高不同演化特性下的多速率状态联合估计器，探索了不依赖于电离层辅助探测设备的目标跟踪机制，适合预警价值更大却不便部署电离层辅助探测设备的远区预警；提出了数据关联关系未知、未知扰动、模型参数未知下分布式EM贝叶斯跟踪框架、基于EM机器学习的传感网的状态估计和随机网络时滞概率联合估计等方法，探索了网络协同环境下运用EM学习策略改善跟踪性能的途径。. 在Information Fusion、IEEE Trans. on Automatic Control、Information Sciences、Automatica、IEEE Trans. on Signal Processing、IEEE Journal of Selected Topics in Signal Processing、IET Radar, Sonar &Navigation等处发表SCI国际期刊学术论文28篇，其中TOP期刊15篇，在国防工业出版社出版学术专著《天波超视距雷达数据处理》，“机载不确定信息融合理论及其应用”获陕西省科学技术二等奖1项。