哈工大丁昌文团队发布高效标签匹配新方法

哈工大丁昌文团队在《信息技术与电子工程前沿》发表的研究中，提出了一种针对分布式标签多伯努利多目标跟踪的新方法。该方法通过设计基于算术均值散度的标签匹配算法，有效解决了本地标签多目标密度间的标签空间独立性问题。实验证明，该方法在低检测概率场景下表现优异，并通过预融合、标签确认、后验概率密度补充和唯一性检查四个阶段，确保了融合结果的一致性和完整性。该研究在非线性纯方位多目标跟踪场景中展示了其有效性。

针对分布式标签多伯努利多目标跟踪问题，本文提出一种基于高效标签匹配的新方法。现有方法通常假设本地标签多目标密度已完成标签匹配，但在实际应用中，各本地密度间的标签空间常相互独立，此假设难以成立。为此，本文基于算术均值散度，设计了一种高效的标签匹配算法，并据此进行标签多伯努利后验概率密度融合。实验结果表明，该方法在低检测概率场景下性能优越。为确保融合结果的一致性和完整性，本文将融合过程分为四个阶段：预融合、标签确认、后验概率密度补充和唯一性检查。在具有挑战性的非线性纯方位多目标跟踪场景中，验证了该方法的有效性。

关键词：分布式多传感器多目标跟踪；标签多伯努利滤波器；算术均值融合；标签匹配

作者：丁昌文¹，邵春涛¹，周斯腾¹，周荻¹，杜润乐²，刘佳琪²

单位：

1. 哈尔滨工业大学航天学院，哈尔滨 150001，中国
2. 试验物理与计算数学国家重点实验室，北京 100076，中国

参考文献：

丁昌文，邵春涛，周斯腾，周荻，杜润乐，刘佳琪. 2025. 考虑高效标签匹配的分布式多目标跟踪方法. 信息技术与电子工程前沿, 26(3):400-414. https://doi.org/10.1631/FITEE.2400582

以上就是《哈工大丁昌文团队发布高效标签匹配新方法》的详细内容，更多关于分布式多目标跟踪,标签多伯努利,算术均值散度,标签匹配,低检测概率的资料请关注golang学习网公众号！