科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
