利用结构实现最优多智能体贝叶斯分散估计

贝叶斯分散数据融合中的一个关键挑战是“谣言传播”或“重复计数”现象，即先前发送的数据循环回到其发送者。通常通过协方差交集（CI）等近似方法来解决，该方法对估计值取加权平均以计算边界。问题在于该边界不紧，即估计往往过于保守。在本文中，我们表明，通过利用多智能体分散融合问题中的概率独立性结构，可以使用（i）对 CI 算法的扩展，该扩展使用多个（非整体）加权因子而非原始 CI 中的单个（整体）因子，以及（ii）一种能够计算最优边界并充分利用任意依赖结构的通用优化方案，来找到更紧的边界。我们比较了我们的方法，并表明在一个简单问题上它们收敛到相同的解。然后我们在大规模目标跟踪仿真上测试了我们新的非整体 CI 算法，并表明与原始整体 CI 相比，它实现了更紧的边界和更准确的估计。