基于统一商近似的分散式高斯混合融合
信号处理
2019-07-10 v1 机器人学
系统与控制
系统与控制
统计计算
摘要
本文研究在递归贝叶斯点对点分散式数据融合(DDF)中使用有限高斯混合(GM)概率密度函数的问题。研究表明，精确与近似 GM DDF 算法均导致同一问题：为源于“朴素贝叶斯”融合 GM（表示可能相关的信息源的直接组合）除以另一非高斯 pdf（表示去除信息源间实际或估计的“公共信息”）所得的后验融合 pdf 寻找合适的 GM 近似。一般 GM 融合所得的商 pdf 自然是一个混合 pdf，尽管其融合混合项非高斯且在递归贝叶斯更新中解析上难以处理。我们开发了可直接局部近似与间接全局近似该商混合的可并行重要性采样算法，以求得对非高斯“商之和”混合的可处理 GM 近似。多平台静态目标搜索与可机动基于距离的目标跟踪的实用应用示例表明，所得近似相比现有 GM DDF 技术具有更高保真度，且具备良好的计算特性。
引用
@article{arxiv.1907.04008,
title = {Decentralized Gaussian Mixture Fusion through Unified Quotient Approximations},
author = {Nisar R. Ahmed},
journal= {arXiv preprint arXiv:1907.04008},
year = {2019}
}
备注
submitted for journal review to Information Fusion; conference version published in IEEE MFI 2015 conference: N. Ahmed, "What's One Mixture Divided by Another? A unified approach to high-fidelity distributed data fusion with mixture models"