基于最小信息损失的标记随机有限集密度融合
系统与控制
2020-12-02 v1 系统与控制
摘要
本文根据最小信息损失（MIL）准则研究标记随机有限集（LRFS）密度的融合问题。MIL 准则等价于最小化 Kullback-Leibler 散度（KLD）的（加权）和，其中融合密度作为 KLD 的右端参数出现。为了在 LRFS 密度为边缘 -广义标记多伯努利（M-GLMB）或标记多伯努利（LMB）密度时确保融合密度与局部密度一致，通过施加融合密度属于与局部密度相同族类的约束，进一步细化了 MIL 规则。为处理局部密度的不同视场（FoV），将全局标签空间划分为互不相交的子空间，分别表示各智能体的独占视场和公共视场，并将每个局部密度分解为对应子空间中定义的子密度。随后逐子空间进行融合，将局部子密度组合为全局子密度，并通过相乘得到全局密度。此外，为解决实际应用中出现的标签失配问题，对适当定义的代价进行秩分配优化（RAO）以匹配来自不同智能体的标签。进一步，讨论了 MIL 规则的实现问题及其在分布式多目标跟踪（DMT）中的应用。最后，通过考虑智能体具有相同或不相同视场的 DMT 仿真实验，评估了所提融合方法的性能。
引用
@article{arxiv.1911.01083,
title = {Fusion of labeled RFS densities with minimum information loss},
author = {Lin Gao and Giorgio Battistelli and Luigi Chisci},
journal= {arXiv preprint arXiv:1911.01083},
year = {2020}
}