一种基于带标签多目标密度的GCI融合方法
信号处理
2020-10-29 v1 机器学习
摘要
本文讨论带标签随机有限集的广义协方差交集(GCI)融合方法。我们提出一个联合标签空间作为融合后带标签随机有限集的支撑，以表示不同智能体间的标签关联，从而避免标签逐次GCI融合算法的标签一致性条件。具体地，我们通过各智能体所有标签空间的直接乘积来构造联合标签空间。随后应用GCI融合方法获得联合带标签多目标密度。该联合带标签RFS随后被边缘化为一般带标签RFS，前提是每个目标由具有唯一标签的单一Bernoulli分量表示。展示了用于融合来自不同智能体的LMB RFS的联合带标签GCI(JL-GCI)。我们还提出了在场景中目标良好分离的假设下的简化JL-GCI方法。仿真结果展示了标签不一致性的有效性及在挑战性跟踪场景中的优异性能。
引用
@article{arxiv.2010.14943,
title = {An Approach for GCI Fusion With Labeled Multitarget Densities},
author = {Yongwen Jin and Jianxun Li},
journal= {arXiv preprint arXiv:2010.14943},
year = {2020}
}
备注
12 pages, 6 figures, submitted to IEEE Transactions on Signal Processing