中文摘要：

经典的Kalman滤波假设模型系数矩阵是已知的确定矩阵。然而，随着信息科学技术在军事、通讯、经济金融等领域的广泛应用，人们更多地面对复杂现实背景问题的挑战，这些问题往往要通过随机系数矩阵动态模型才能更好地描述。因此，我们必须研究随机系数矩阵线性动态系统的估计融合问题。国内外学者包括申请人在随机系数矩阵Kalman滤波及融合方面已取得了一些初步的研究成果，但是这些工作都假设模型的随机系数矩阵是相互独立的，更符合实际背景，更有学术意义和应用价值的相关随机系数矩阵线性动态系统的估计融合问题尚待解决。本项目拟在符合工程实践的假设条件下，突破传统Kalman滤波递推形式的限制，利用稳健优化、统计递推等现代应用数学的最新进展，研究相关随机系数矩阵Kalman滤波与融合，力争给出线性均方误差意义下的最优估计融合算法，并利用新算法处理机动目标跟踪和多目标数据关联问题，获得国际领先成果。