面向分布式 PHD 融合的高斯混合部分共识与保守融合
系统与控制
2021-04-21 v1 分布式、并行与集群计算
信息论
math.IT
摘要
我们针对基于点对点(P2P)传感器网络的分布式 GM-PHD(高斯混合概率假设密度)融合,提出了一种称为“部分共识”的新共识概念,其中仅将高权重的后验高斯分量(GCs)在 P2P 通信中传播以进行融合,而不涉及不显著的 GCs。部分共识不仅在网络通信和本地融合计算上效率高,还显著降低了潜在虚假数据(杂波)对滤波器的影响,从而提高了本地传感器的信噪比。我们提倡两种“保守”混合缩减方案,以完全分布式的方式融合共享的 GCs。一种是基于匈牙利指派在传感器间对 GCs 进行成对平均,另一种是基于一种新的 GM 合并方案合并相近的 GCs。所提方法与称为协方差并集和算术平均密度的保守融合方法密切相关。同时,在传感器间对基数分布(即 GM 权重和)寻求平均共识。基于每个传感器运行 GM-PHD 滤波器的传感器网络,给出了跟踪单个目标或同时出现的多个目标的仿真,以将我们的方法与基准广义协方差交集方法进行比较。结果表明,部分、算术平均共识优于完全、几何平均共识。
引用
@article{arxiv.1711.10783,
title = {Partial Consensus and Conservative Fusion of Gaussian Mixtures for Distributed PHD Fusion},
author = {Tiancheng Li and Juan M Corchado and Shudong Sun},
journal= {arXiv preprint arXiv:1711.10783},
year = {2021}
}
备注
7 pages