通过标签空间匹配的标记多目标密度分布式融合
系统与控制
2016-03-29 v1
摘要
本文中，我们在广义协方差交集（GCI）框架下处理带有标记集合滤波器的分布式多目标跟踪问题。我们的分析表明，标签空间失配（LS-DM）现象，即从不同传感器的标签空间抽取的同一实现不具有相同含义，在实际场景中十分常见并可能带来严重问题。我们的贡献有两方面。首先，我们基于信息散度给出了“标签空间匹配（LS-DM）”的一个原则性数学定义，也称为LS-M准则。然后，为处理LS-DM，我们提出一种新颖的两步分布式融合算法，命名为通过标签空间匹配的GCI融合（GCI-LSM）。第一步是匹配来自不同传感器的标签空间。为此，我们构建一个排序分配问题，并设计与LS-M准则一致的费用函数，以寻求不同传感器标签空间间匹配对应的最优解。第二步是在匹配后的标签空间上执行GCI融合。我们还推导了基于LS-M的通用标记多目标（LMO）密度的GCI融合，它是标记分布式融合算法的基础。高斯混合实现下的仿真结果凸显了所提GCI-LSM算法在两种不同跟踪场景中的性能。
引用
@article{arxiv.1603.08336,
title = {Distributed Fusion of Labeled Multi-Object Densities Via Label Spaces Matching},
author = {Bailu Wang and Wei Yi and Suqi Li and Lingjiang Kong and Xiaobo Yang},
journal= {arXiv preprint arXiv:1603.08336},
year = {2016}
}
备注
9 pages, 10 figures, conference