随机信号检测与估计的多传感器数据融合问题

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    69674016
  • 项目类别：
    面上项目
  • 资助金额：
    7.0万
  • 负责人：
    朱允民
  • 依托单位：
    四川大学
  • 学科分类：
    F03.自动化
  • 结题年份：
    1999
  • 批准年份：
    1996
  • 项目状态：
    已结题
  • 起止时间：
    1997-01-01 至1999-12-31

项目摘要

本项目运用了无穷维优化和凸约束二次优化的思想和方法更准确地揭示了检测和估计融合的本质，取得了如下实质性的突破：1、对检测融合问题，证明了在一般观测数据下最优传感器律应为积分算子的不动点，给出了迭代算法和收敛性分析，并将上述结果推广到多种检测问题和各种网络结构。2、获得了若干最优融合律结果，给出了某种通讯模式下的最优融合律。3、在估计融合方面获得了最一般框架下最优估计融合精确的一般形式，使过去结果均成为我们结果在观测噪声中独立时的特例。4、当过程噪声和观测噪声方差未知时给出了一种新的递推算法，为这一类模型的估计融合提供了准备。共发表专著1本，国际著名刊物论文2篇，国际会议论文6篇，国内会议1篇。

结项摘要

项目成果

期刊论文数量（2）
专著数量（1）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
Efficient Recursine State Estimator for Dynamic Systems without Kouowladge of Ncise Covariances
没有 Ncise 协方差的动态系统的高效递归状态估计器
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Trans Aerospace and
  • 影响因子：
    --
  • 作者：
    Zhu;Y.M
  • 通讯作者：
    Y.M
Unexpected Properties and Optimum Distributed Sd\ensor Derectors for Dcdendent Obserration Cases
递减观测情况下的意外性质和最优分布式 Sd\ensor 导向器
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Trans Automntic Control
  • 影响因子：
    --
  • 作者：
    Zhu Y.M.;Bhum Luo;Wong
  • 通讯作者：
    Wong

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

多传感器分布式Neyman-Pearson 检测
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    四川大学学报 （自然科学版）
  • 影响因子：
    --
  • 作者：
    甘宇;朱允民
  • 通讯作者：
    朱允民
传感器网络中信息融合的几个基本
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    信息与控制, 2006第二期
  • 影响因子：
    --
  • 作者：
    周杰;朱允民
  • 通讯作者：
    朱允民
分块强凸函数的加速块坐标下降算法的O(1/k^2) 收敛率
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    中国科学:数学
  • 影响因子：
    --
  • 作者：
    宋恩彬;史清江;朱允民
  • 通讯作者：
    朱允民
有限停时Neyman-Pearson型序贯概率比检验新方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    四川大学学报 （自然科学版）
  • 影响因子：
    --
  • 作者：
    张可数;朱允民;李晓榕
  • 通讯作者：
    李晓榕
多传感器分布式区间估计融合
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    控制理论与应用
  • 影响因子：
    --
  • 作者：
    甘宇;朱允民
  • 通讯作者：
    朱允民

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

朱允民的其他基金

偏差有界不确定动态系统容偏数据关联和估计融合研究
  • 批准号：
    61273074
  • 批准年份：
    2012
  • 资助金额：
    83.0 万元
  • 项目类别：
    面上项目
多传感器网络决策和估计融合中的信道容错性问题研究
  • 批准号：
    60874107
  • 批准年份：
    2008
  • 资助金额：
    35.0 万元
  • 项目类别：
    面上项目
多传感器不确定信息决策与估计融合理论与算法
  • 批准号：
    60374025
  • 批准年份：
    2003
  • 资助金额：
    22.0 万元
  • 项目类别：
    面上项目
随机系统多传感器决策与估计融合理论与算法
  • 批准号：
    60074017
  • 批准年份：
    2000
  • 资助金额：
    16.0 万元
  • 项目类别：
    面上项目
多传感器数据融合的最优化精确解及相应的随机递推算法
  • 批准号：
    19671062
  • 批准年份：
    1996
  • 资助金额：
    4.5 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码