基于多目标MS-OSPA下界的分散式传感器选择

doi:10.3969/j.issn.0372-2112.2019.10.018

电子学报 ›› 2019, Vol. 47 ›› Issue (10): 2158-2165.DOI: 10.3969/j.issn.0372-2112.2019.10.018

基于多目标MS-OSPA下界的分散式传感器选择

连峰^1,2, 张修立¹, 魏博¹, 侯利明¹, 韩崇昭¹, 王伟^2,3

1. 西安交通大学电子与信息工程学院, 陕西西安 710049;
2. 陕西省组合与智能导航重点实验室, 陕西西安 710068;
3. 中国电子科技集团公司第二十研究所, 陕西西安 710068

收稿日期:2018-09-14 修回日期:2019-04-01 出版日期:2019-10-25 发布日期:2019-10-25
通讯作者: 连峰
作者简介:张修立 男,1992年7月出生,湖北天门人,西安交通大学电子与信息工程学院硕士研究生,研究方向为信息融合与传感器管理.
基金资助:
国家自然科学基金（No.61473217）；陕西省组合与智能导航重点实验室开放基金（No.SKLIIN-20180110）

Decentralized Sensor Selection Based on Multi-Target MS-OSPA Lower Bound

LIAN Feng^1,2, ZHANG Xiu-li¹, WEI Bo¹, HOU Li-ming¹, HAN Chong-zhao¹, WANG Wei^2,3

1. School of Electronic and Information Engineering, Xi'an Jiaotong University, Xi'an, Shaanxi 710049, China;
2. Shaanxi Key Laboratory of Integrated and Intelligent Navigation, Xi'an, Shaanxi 710068, China;
3. The 20^th Research Institute of China Electronics Technology Corporation, Xi'an, Shaanxi 710068, China

Received:2018-09-14 Revised:2019-04-01 Online:2019-10-25 Published:2019-10-25

摘要/Abstract

摘要： 本文提出了一种分散式大规模多目标跟踪网络的传感器选择优化算法.该方法以多目标状态集和估计集间的均方最优子模式分配误差下界作为优化目标函数，根据加权Kullback-Leibler平均（Kullback-Leibler average，KLA）准则对局部多目标密度进行融合，最终采用坐标下降法来折中计算代价和跟踪精度.仿真实验在不同信噪比场景下验证了本方法的有效性.

关键词: 传感器选择, 多目标跟踪, 标签随机有限集, 分散式传感器网络

Abstract: A sensor selection optimization algorithm is proposed for decentralized large-scale multi-target tracking network.In this method,the lower bound of mean square optimal sub-pattern assignment error between multi-target state set and its estimation is taken as optimized objective function while the rule of weighted Kullback-Leibler average (KLA) is used to fuse local multi-target densities.The coordinate descent method is proposed to compromise the computation cost and tracking accuracy.Simulations verify the effectiveness of our method under different signal-to-noise ratio scenarios.

Key words: sensor selection, multi-target tracking, labeled random finite set, decentralized sensor network

中图分类号:

TP391

连峰, 张修立, 魏博, 侯利明, 韩崇昭, 王伟. 基于多目标MS-OSPA下界的分散式传感器选择[J]. 电子学报, 2019, 47(10): 2158-2165.

LIAN Feng, ZHANG Xiu-li, WEI Bo, HOU Li-ming, HAN Chong-zhao, WANG Wei. Decentralized Sensor Selection Based on Multi-Target MS-OSPA Lower Bound[J]. Acta Electronica Sinica, 2019, 47(10): 2158-2165.

[1]	侯利明, 连峰, 谭顺成, 徐从安. 闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器[J]. 电子学报, 2021, 49(7): 1346-1353.
[2]	罗大鹏, 杜国庆, 曾志鹏, 魏龙生, 高常鑫, 陈应, 肖菲, 罗琛. 基于少量样本学习的多目标检测跟踪方法[J]. 电子学报, 2021, 49(1): 183-191.
[3]	陈辉, 贺忠良, 邓东明, 李国财. 高斯混合多伯努利滤波器基于柯西施瓦兹散度的传感器控制方法[J]. 电子学报, 2020, 48(4): 706-716.
[4]	陈辉, 贺忠良, 连峰, 黎慧波. 基于高斯混合多目标滤波器的传感器控制策略[J]. 电子学报, 2019, 47(3): 521-530.
[5]	熊志刚, 黄树彩, 苑智玮, 赵炜. 三维空间纯方位多目标跟踪PHD算法[J]. 电子学报, 2018, 46(6): 1371-1377.
[6]	曲长文, 冯奇, 李廷军. 基于分治-贪心算法的高斯混合多观测站CPHD滤波器[J]. 电子学报, 2018, 46(10): 2472-2479.
[7]	徐从安, 熊伟, 刘瑜, 何友. 新生目标强度未知的单量测PHD滤波器[J]. 电子学报, 2016, 44(10): 2300-2307.
[8]	刘宗香, 谢维信, 李丽娟, 李良群. 非线性高斯系统边缘分布多目标贝叶斯滤波器[J]. 电子学报, 2015, 43(9): 1689-1695.
[9]	姜明新, 王培昌, 王洪玉. 基于视频多目标跟踪的高度测量算法[J]. 电子学报, 2015, 43(3): 591-596.
[10]	杨小军. 基于性能边界和量化数据的WSN目标跟踪传感器选择算法[J]. 电子学报, 2014, 42(6): 1081-1085.
[11]	刘宗香, 谢维信, 王品, 余友. 一种具有信息保持能力的GM-PHD滤波器[J]. 电子学报, 2013, 41(8): 1603-1608.
[12]	王品, 谢维信, 刘宗香, 李鹏飞. 一种非线性GM-PHD滤波新方法[J]. 电子学报, 2012, 40(8): 1597-1602.
[13]	童慧思;张颢;孟华东;王希勤. PHD滤波器在多目标检测前跟踪中的应用[J]. 电子学报, 2011, 39(9): 2046-2051.
[14]	黄志蓓;孙树岩;吴健康;蒋升;任晓Yi. 基于特征迹的密集多目标自适应视频跟踪[J]. 电子学报, 2011, 39(3A): 37-42.
[15]	赵欣;姬红兵;杨柏胜. 基于随机集的RBPF多目标关联跟踪算法[J]. 电子学报, 2011, 39(3): 505-510.

基于多目标MS-OSPA下界的分散式传感器选择

Decentralized Sensor Selection Based on Multi-Target MS-OSPA Lower Bound

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics