2018年10月19日，由中国航空学会信息融合分会主办，北京工商大学计算机与信息工程学院、西安交通大学电子与信息工程学院承办的“无人车定位与跟踪关键技术研讨会”于北京紫玉饭店顺利举行，来自西安交通大学、北京工商大学、国家工程实验室和中国航空学会信息融合分会的各位学者、教授、博士生、研究生参加了会议。

会议分别由熊伟教授、兰剑教授主持，兰剑教授、陈霸东教授、金学波教授、李子月博士（总监）围绕定位与跟踪理论、方法及其在智能无人车系统中的应用等前沿研究方向，进行了学术分享与互动式深入讨论。

特邀嘉宾：

兰剑

兰剑，西安交通大学教授、博士生导师、教务处副处长，陕西省普通高校首批“青年杰出人才”。

兰剑教授作了“目标跟踪非线性滤波新框架——不相关转换滤波器”的报告，其表示目标跟踪系统流行的非线性滤波算法为点估计器，目前LMMSE估计包括EKF/UKF/CKF/QKF等主流方法，但均具有与系统不匹配的线性结构，制约了估计/跟踪性能的提高，因此提出了不相关转换滤波（UCF）并且列举了其在目标跟踪中的应用。最后对多转换法（MCA）、针对动态问题的MCA框架下的交互式多转换（IMC）算法进行了详细说明，兰教授表示MCA可同时有效利用LMMSE和UCF实现在线自适应全面提高非线性估计性能。

陈霸东

陈霸东，西安交通大学教授、博导，陕西省“百人计划”特聘教授。

报告中，陈霸东教授先后向介绍了信息论的学习应用、熵的概念，以及如何在使用最大相关熵（MCC）代替均方误差（MSE）出现大异常值的情况下的精度和鲁棒性方面的提升。此外还详细给出了将信息论用于机器学习的方法，将训练过程中误差的熵作为学习中的代价函数。在数据含有非高斯噪声或者模型是非线性的情况下，可以得到更好的学习效果。最后，陈霸东教授和与会师专家进行了热烈的交流，就相关学术领域展开讨论。

金学波教授

金学波，北京工商大学教授、博士生导师，中国航空学会信息融合分会委员、中国人工智能学会智能产品与产业工作委员会委员，SCI期刊Sensors的客座主编。研究方向为信息融合、大数据分析、状态估计、视频跟踪等。

从估计的应用领域、经典算法和相关研究引入，金学波教授表示估计方法和模型的适应性都很重要，并且模型与实际系统动力学特性的高度匹配度是保证跟踪性能的关键。然后对其团队所研究的闭环式自适应模型以及该模型在各方面的应用进行了详尽介绍，除室内跟踪、大型土木结构抗震、时间序列的动力学分析方面外，特别提出了该模型在金融时间序列的识别与预测方面的应用。报告结束，其他学者就金教授所介绍的闭环自适应模型的发散问题进行了的深入交流互动。

李子月

李子月，主要从事自动驾驶技术研究，为李德毅院士无人车研究团队的主要成员。主要方向为多传感器数据融合，主持多种园区低速车辆自动驾驶项目开发和产品化。目前任职一体化指挥调度技术国家工程实验室技术总监，南京航空航天大学在读博士。

本次会议中，李子月博士从自动驾驶车辆导航方案及面临的主要问题出发，对自动驾驶技术的背景、车辆导航方案进行了详尽介绍并引出自动驾驶面临的主要问题，针对这些问题分享了一些探索中的解决方案，最后展示了其团队的一些研究进展。

其他研究学者、学生也就相关问题进行了积极提问，在交流分享中不仅获得了知识，还深切地体会到了科研人员对待工作的严谨态度。

作为国内首次在目标跟踪方面的学术交流，本次会议秉持“深入研讨关键技术、放眼迎接未来机遇”的宗旨，为从事该领域研究的硕士、博士研究生更为深入把握该领域的发展脉络及典型应用指明方向，以推动目标定位与跟踪理论及方法研究的进步。