一种高效的分布式多传感器多目标跟踪算法

摘要：

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降.为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传输、共享各自的量测集信息,并通过改进的密度峰值聚类(Improved Density Peaks Clustering,IDPC)算法对量测集聚类,聚类得到的簇的个数即目标的个数,簇的中心即目标的位置.我们将IDPC算法与前沿的分布式概率密度假设(probability density hypothesis,PHD)滤波器在三个场景中进行对比,实验结果证明了 IDPC算法的有效性和可靠性.

关键词：传感器融合、分布式传感器网络、泛洪共识算法、密度峰值聚类

所属期刊栏目：37

分类号：TN713(基本电子电路)

资助基金：深圳市基础研究计划项目;国家自然科学基金项目

在线出版日期：2021-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：390-398