高斯混合概率假设密度无序估计分布式融合

摘要：

针对分布式传感器网络中多目标随机集状态混合无序估计问题,本文提出了一种基于高斯混合概率假设密度无序估计分布式融合算法.在高斯混合概率假设密度滤波器的框架下,首先基于概率假设密度递推滤波特性,建立适用于多目标随机集状态混合无序估计的最新可利用估计判别机制,然后利用扩展协方差交叉融合算法对经过最新可利用估计判别机制获得的无序概率假设密度强度估计进行融合处理,针对融合过程中高斯分量快速增长的问题,在保证信息损失最小的前提下,对融合过程的不同环节实施高斯混合分量裁剪操作,给出了一种多级分层分量裁剪算法.最后,仿真实验验证了文中所提的算法的有效性和可行性.

关键词：高斯混合模型、分布式融合、协方差交叉、分量裁剪、无序估计

所属期刊栏目：32

分类号：TN953

资助基金：陕西省自然科学基金项目2011JM8023;CEMEE国家重点实验室开放基金项目2014K0304B资助.Supported by National Natural Science Foundation of Shaanxi2011JM8023;the State Key Laboratory of China CEMEE2014K0304B

在线出版日期：2015-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：464-471