基于密度聚类的有限视场异构传感器分布式多目标跟踪

我们考虑使用异构传感器分布式网络跟踪多个、未知且数量随时间变化的目标的问题。为了推导适用于实际场景的公式，我们考虑了有限且未知的传感器视场 (FoVs)、传感器有限的本地计算资源以及通信信道容量。由此产生的分布式多目标跟踪算法涉及解决一个 NP 难的多维分配问题，对于小规模问题可最优求解，对于一般实际问题则次优求解。对于一般问题，我们提出了一种高效的分布式多目标跟踪算法，该算法通过对转换为密度空间的状态空间进行基于聚类的分析来执行航迹到航迹融合，以减轻分配问题的复杂性。所提出的算法可以比现有方法更有效地分组本地航迹估计以进行融合。为了确保当目标在视场之间移动时，整个节点网络中的航迹具有全局一致的标识，我们开发了一种基于图的算法来实现标签共识并最小化航迹分割。使用合成和真实世界轨迹数据集的数值实验表明，我们提出的方法在计算效率上显著优于最先进解决方案，在实现相似跟踪精度和带宽要求的同时，提高了标签一致性。