姓名：康家熠
报告题目：基于仅有角度传感器的非线性滤波问题
报告时间：2025年9月24日
报告人简介：
康家熠，2024年毕业于清华大学数学科学系获得理学博士学位。2024年加入北京雁栖湖应用数学研究院（BIMSA），担任助理研究员。2025年下半年预计加入河套数学与交叉科学研究院（深圳 HIMIS）担任助理研究员。研究方向包括：非线性滤波、随机控制、生物信息学与深度学习。当前主要的研究兴趣集中于：基于神经网络与分布式的滤波算法、基于最优传输的控制算法、网络科学和进化生物学相关问题。截止目前已经接受或者发表论文13篇，包括相关领域的旗舰期刊SlAM Journal on Control and Optimization 、lEEE Transactions on Automatic Control、 lEEE Transactions on Neural Network and Learning Systems 及 Automatica。
摘要：
本汇报总结了在伪线性卡尔曼滤波器(PLKF)在目标跟踪领域相关研究成果。首先，在多传感器网络环境下，将传感器选择问题转化为平衡传感器性能与观测距离的优化任务。通过在特定时刻仅激活少数最优性能传感器，在保证跟踪精度的同时大幅降低了通信资源消耗，拓展了PLKF的应用潜力。其次，针对多传感器网络中的通信资源约束，提出了随机事件触发伪线性卡尔曼滤波器(SEPLKF)。该方法设计了新型随机事件触发机制和无偏估计补偿方案，在保持伪线性观测稳定性的同时，实现了通信开销与估计精度之间的最优平衡。
最后，针对PLKF固有的估计偏差问题，提出了PLKFNet——一种数据驱动的神经网络增强伪线性卡尔曼滤波器。该方法摒弃了传统基于简化解析近似的偏差补偿方法，利用神经网络直接从跟踪数据中学习复杂的偏差模式，在三维场景下显著降低了估计偏差并提高了跟踪精度。
三维仿真实验验证表明，所提出的方法在降低通信成本的同时，相比现有方法具有更优的稳定性和估计精度，为资源受限环境下的高精度目标跟踪提供了有效解决方案。