基于相关性容许度的分布式估计融合问题研究

Track fusion in multi-radar target tracking and network-based distributed estimation in sensor networks are two major research problems in the field of estimation fusion. For maneuvering targets and sensor-network with complex topology, error cross-covariance between local estimates is hard to be obtained. The existing approximate methods and fusion under unknown cross-covariance have unsatisfied fusion accuracy. To tackle this problem, this project will first establish an allowance-degree of cross-covariance and design a fusion method based on it to improve the fusion performance by utilizing the constraint information about cross-covariance. Second, for the track fusion in multi-radar maneuvering target tracking, an adaptive fusion method will be proposed. Third, for network-based distributed fusion, a consensus fusion method will be presented by combining the proposed method and consensus strategies. Finally, all methods proposed in this project will be evaluated by software and semi-hardware simulations, respectively. The proposed methods have certain generality and can be wildly used in many areas, such as distributed tracking and localization in mobile sensors and unmanned-aerial-vehicle network, simultaneous localization and mapping，integrated navigation and satellite attitude and orbit determination. The proposed fusion framework has practical values as well as the potential to further develop and enrich the theory of distributed estimation fusion.

多雷达目标跟踪中的航迹融合及传感器网络中的分布式网络化估计，一直都是估计融合领域的研究重点。对于机动目标和拓扑结构复杂的传感器网络，局部估计误差间的相关性很难计算，而现有的近似方法或相关性未知的融合方法精度不高。针对此问题，本项目首先在建立相关性容许度的基础上设计相应的融合方法，利用相关性容许度所包含的相关性受限信息提高融合精度；然后，设计相应的自适应融合算法用于多雷达机动目标跟踪中的分布式航迹融合；进而，将提出的最大适用性融合算法与共识机制相结合，设计用于分布式网络化估计的共识性融合算法；最后，通过软件仿真和半实物仿真验证本项目所提出方法的有效性。本项目所提出的方法具有一定的通用性，可广泛用于移动传感器及无人机网络的分布式跟踪与定位、同步定位与地图构建、组合导航以及卫星定姿定轨等领域。本项目所建立的融合框架及提出的融合方法不仅具有实际应用价值，还将进一步丰富和发展分布式估计融合理论。

多雷达目标跟踪中的航迹融合及传感器网络中的分布式网络化估计，一直都是估计融合领域的研究重点。对于机动目标和拓扑结构复杂的传感器网络，局部估计误差间的相关性很难计算，而现有的近似方法或相关性未知的融合方法精度不高。针对此问题，本项目首先在建立相关性容许度的基础上设计相应的融合方法，利用相关性容许度所包含的相关性受限信息提高融合精度；然后，设计相应的自适应融合算法用于多雷达机动目标跟踪中的分布式航迹融合；进而，将提出的融合算法与共识机制相结合，设计用于分布式网络化估计的共识性融合算法；最后，本项目还研究了如何使用高精度的目标航迹来帮助提高目标分类的性能，并研究了评定目标分类算法性能的多假设序贯检验的性能评估问题。本项目所提出的方法具有一定的通用性，可广泛用于移动传感器及无人机网络的分布式跟踪与定位、同步定位与地图构建、组合导航以及卫星定姿定轨等领域。本项目所提出的多假设序贯检验的性能分析方法对武器综合效能评估具有潜在的应用价值。本项目的三个主要研究成果以3篇长文的形式发表在IEEE Transactions上，其中基于相关性容许的分布式融合研究已得到国内外部分学者的引用与关注。