从加权最小二乘视角利用耦合速度模型进行分布式扩展目标跟踪

本研究提出一种耦合速度模型（CVM），利用朝向与速度之间的相关性建立二者关系，避免了现有扩展目标跟踪（EOT）模型将它们视为两个独立量。因此，CVM 可检测先验动态模型与实际运动模式之间的失配以修正滤波增益，同时成为一个含乘性噪声的非线性、状态耦合模型。本研究考虑采用 CVM 设计一种可行的分布式加权最小二乘（WLS）滤波器。WLS 准则要求仅含关于估计状态的加性噪声的线性状态空间模型。为满足该要求，我们利用一阶泰勒级数展开推导了这样两个分离的伪线性化模型。分离仅停留在形式上，感兴趣状态的估计作为彼此模型中的参数嵌入，这意味着它们的相互依赖在两个线性滤波器迭代运算中仍得以保持。基于这两个模型，我们首先通过将所有节点的量测转换为求和形式，提出一种集中式 WLS 滤波器。随后，提出一种分布式一致性方案，直接对不同节点间的先验进行内部迭代，以纳入节点间的互协方差。在该一致性方案下，通过对先验和量测适当加权，开发了面向含“朴素”节点的实际网络的分布式 WLS 滤波器。最后，在不同先验情形下验证了所提滤波器在精度、鲁棒性和一致性方面的性能。