利用贝叶斯一致性滤波进行分布式估计
最优化与控制
2016-10-14 v3 信息论
math.IT
概率论
摘要
我们提出了贝叶斯一致性滤波（BCF），用于利用网络化传感代理群跟踪移动目标，并就目标状态概率分布的最佳估计达成一致。我们的 BCF 框架可以纳入非线性目标动态模型、异构非线性测量模型、非高斯不确定性，以及利用贝叶斯滤波器获得的目标状态局部估计后验概率分布的高阶矩。如果代理使用对数意见池组合其估计的后验概率分布，则一致性概率分布与局部后验概率分布之间的 Kullback--Leibler 散度之和将被最小化。本文提出了所提 BCF 算法在单个或多个一致性循环下的严格稳定性和收敛性结果。讨论了概率分布的通信以及实现 BCF 算法的计算方法，并给出了一个数值示例。
引用
@article{arxiv.1403.3117,
title = {Distributed Estimation using Bayesian Consensus Filtering},
author = {Saptarshi Bandyopadhyay and Soon-Jo Chung},
journal= {arXiv preprint arXiv:1403.3117},
year = {2016}
}
备注
Conference version: http://ieeexplore.ieee.org/document/6858896/ . This paper is not under review in any journal