典型文献
一种状态扩维标签匹配的分布式融合算法
文献摘要：
在分布式多传感器网络中,针对标签多伯努利(Labeled Multi-Bernoulli,LMB)后验分布进行广义协方差交集(Generalized Covariance Intersection,GCI)融合时,存在标签不一致、计算复杂度高、以及目标漏跟使得GCI融合后势低估问题,提出一种状态扩维标签匹配的分布式传感器融合算法.首先,针对标签不一致问题,对目标状态进行扩维,改进分布式融合中的目标标签的匹配过程,使融合过程更加高效,同时也克服标签空间不一致的问题;针对计算复杂度高的问题,只传输"疑似目标"后验分布,减少通信数据量,采用"分而治之"的策略对已匹配的存活目标、新生目标、漏跟目标等分别进行融合,结合前述改进目标标签匹配过程有效降低了计算复杂度;针对目标漏跟使得GCI融合后势低估问题,建立漏跟与虚警表记录相应目标,对漏跟目标分布采用反馈补偿策略,有效降低单一传感器目标漏跟对传感器网络GCI融合后跟踪精度的影响.实验结果证明了提出融合方法的有效性和鲁棒性.
文献关键词：
分布式多传感器;多目标跟踪;标签多伯努利;广义协方差交集
中图分类号：
作者姓名：
陈旭志;杨金龙
作者机构：
江南大学人工智能与计算机学院,江苏无锡214122
文献出处：
引用格式：
[1]陈旭志;杨金龙-.一种状态扩维标签匹配的分布式融合算法)[J].信号处理,2022(07):1467-1480
A类：
分布式多传感器,广义协方差交集,存活目标
B类：
分布式融合,融合算法,多传感器网络,标签多伯努利,Labeled,Multi,Bernoulli,LMB,后验分布,Generalized,Covariance,Intersection,GCI,计算复杂度,后势,低估,分布式传感器,传感器融合,不一致问题,标签空间,疑似目标,通信数据,数据量,分而治之,新生目标,前述,改进目标,表记,录相,补偿策略,一传,跟踪精度,融合方法,多目标跟踪
AB值：
0.386389
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
