具有全局和局部变量的分布式融合

《IEEE Transactions on Control of Network Systems》：Distributed Fusion With Global and Local Variables

　　

摘要：

本文提出了一种用于具有全局变量和局部变量的概率模型的分布式融合框架，旨在解决去中心化系统中的可扩展模型聚合问题。该框架采用条件表示方法，表达在局部变量条件下的全局变量的概率密度函数（PDF），并结合局部变量的边缘PDF。通过将逻辑意见聚合（logOP）规则扩展到这种表示方式，该框架能够利用泛洪和共识等实际的分布式协议高效融合概率模型。对于指数族分布和基于粒子的表示，该框架支持封闭形式解，并利用Rao-Blackwell化粒子滤波器（RBPF）通过粒子滤波对局部变量进行边缘化处理，同时保持全局变量的解析可行性。该框架被应用于具有多传感器注册的分布式对象跟踪任务。仿真结果表明其性能接近集中式系统，验证了该框架在完全去中心化环境中的可扩展性和有效性。