多传感器标记多伯努利滤波器的高效近似
信号处理
2022-07-12 v6
摘要
本文提出了多传感器标记多伯努利(LMB)滤波器的两种高效近似形式，二者均允许传感器的量测更新并行计算。我们的第一种滤波器基于对多传感器多目标贝叶斯滤波器后验分布的直接数学处理。遗憾的是，它需要概率分布相除，且向线性高斯应用之外的推广并不显然。我们的第二种滤波器基于几何平均融合，利用各传感器量测更新分布的几何平均来近似多传感器多目标贝叶斯滤波器的后验分布。该滤波器可用于非线性条件；然而，其精度不如第一种滤波器。在这两种情况下，我们都使用现有的循环置信传播算法来近似 LMB 滤波器的量测更新。两种滤波器在传感器数量上具有常数复杂度，在量测和目标数量上均具有线性复杂度。这相对于迭代校正 LMB (IC-LMB) 滤波器有所改进，后者在传感器数量上具有线性复杂度。当使用多个传感器跟踪大量目标且滤波器运行时间比精度更重要时，所提滤波器具有研究价值。我们在仿真数据上评估了两种滤波器的性能，结果表明相较于 IC-LMB 滤波器，其精度损失并不显著。
引用
@article{arxiv.2103.10396,
title = {Efficient approximations of the multi-sensor labelled multi-Bernoulli filter},
author = {S. C. J. Robertson and C. E. van Daalen and J. A. du Preez},
journal= {arXiv preprint arXiv:2103.10396},
year = {2022}
}