在目标跟踪领域,亟待解决的一个重大技术问题是互传信息量的急剧增长和通信容量的严重制约。如何降低通信量且保持信息融合处理的精度是该领域面临的一个关键科学问题。目前,以稀疏表征为特点的压缩传感作为一种新兴技术引起信息学科领域的研究热潮,特别在视频跟踪领域有着广阔的应用前景;然而在雷达跟踪方面很难利用稀疏表征进行传感信息的有效压缩,需要建立新的压缩传感机制,可喜的是在此方面已经迈出了成功的一步。本申请力图在上述两方面建立基于压缩传感的信息融合方法,并在目标跟踪中得到应用。
information fusion;target tracking;compression sensing;sparse representation;non-sparse representation
针对原定研究目标,本项目的完成情况为(1)在理论研究方面 A) 提出了一种新的高效的一致列替换方法来减少压缩感知矩阵的一致性; B) 提出了一种矩阵分解与匹配搜索的方法来对K稀疏信号进行重构; C) 将基于检测前跟踪的压缩感知方法应用于空基雷达信号处理中,建立了“范围-到达方向角(DOA)-多普勒”的三维空间,同时实现了目标的检测与跟踪。 D) 提出一种基于证据理论的混合粒子滤波器,实现了多目标的联合检测与跟踪; E) 针对确定感知矩阵具有高一致性而不满足尺度不变属性(RIP)的问题,提出了一种类确定感知矩阵搜索的方法对K稀疏信号进行重构,将该方法的性能与子空间搜索(SP)、基空间搜索(BP)两种方法进行了比较; F) 基于多扫描区域JPDA方法,提出了一种改进的粒子滤波算法并将其应用于多机动目标跟踪场合。与多模型滤波相比,该方法只需建立一个目标模型,并且采用多区域JPDA的方法进行数据关联,一方面降低了算法的复杂度,另一方面利用到了较多的量测信息。(2)在工程应用方面 A) 设计并开发了一套基于压缩感知的信息处理及压缩感知半物理仿真演示系统,该系统采用ARM板搭建硬件平台,利用C++语言进行程序开发,可以针对不同跟踪场景对所建议的算法进行性能测试。所测试的性能指标包括不同压缩感知算法对原始信号的恢复程度,算法的耗费时间,算法对目标状态的估计精度以及参数变化对算法效果的影响。 B) 根据合作单位所提供的实测数据和高仿真数据在硬件平台上对所建议的基于压缩感知的信息融合和目标跟踪方法进行了详细的测试,并结合实际工程要求对其进行了调整和优化,顺利完成了与之相关的预研项目。最终,在本项目的支持下,项目组已发表和已录用论文19篇,其中国际期刊9篇,国内期刊4篇,国际会议6篇,已被SCI检索11篇,EI检索14篇,撰写国防报告1篇。培养博士研究生4人,硕士研究生8人。总体来说,本项目按计划完成了预定目标,在部分内容上已超额完成任务。