A Distributed Bernoulli Filter Based on Likelihood Consensus with Adaptive Pruning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F18%3APU140254" target="_blank" >RIV/00216305:26220/18:PU140254 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8455302" target="_blank" >https://ieeexplore.ieee.org/document/8455302</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A Distributed Bernoulli Filter Based on Likelihood Consensus with Adaptive Pruning

Popis výsledku v původním jazyce

The Bernoulli filter (BF) is a Bayes-optimal method for target tracking when the target can be present or absent in unknown time intervals and the measurements are affected by clutter and missed detections. We propose a distributed particle-based multisensor BF algorithm that approximates the centralized multisensor BF for arbitrary nonlinear and non-Gaussian system models. Our distributed algorithm uses a new extension of the likelihood consensus (LC) scheme that accounts for both target presence and absence and includes an adaptive pruning of the LC expansion coefficients. Simulation results for a heterogeneous sensor network with significant noise and clutter show that the performance of our algorithm is close to that of the centralized multisensor BF.

Název v anglickém jazyce

A Distributed Bernoulli Filter Based on Likelihood Consensus with Adaptive Pruning

Popis výsledku anglicky

The Bernoulli filter (BF) is a Bayes-optimal method for target tracking when the target can be present or absent in unknown time intervals and the measurements are affected by clutter and missed detections. We propose a distributed particle-based multisensor BF algorithm that approximates the centralized multisensor BF for arbitrary nonlinear and non-Gaussian system models. Our distributed algorithm uses a new extension of the likelihood consensus (LC) scheme that accounts for both target presence and absence and includes an adaptive pruning of the LC expansion coefficients. Simulation results for a heterogeneous sensor network with significant noise and clutter show that the performance of our algorithm is close to that of the centralized multisensor BF.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA17-19638S" target="_blank" >GA17-19638S: Určování pohybu arteriální stěny pomocí sekvenčního bayesovského odhadu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2018 21st International Conference on Information Fusion (FUSION)

ISBN

978-0-9964527-6-2

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

2445-2452

Název nakladatele

IEEE

Místo vydání

NEW YORK

Místo konání akce

Cambridge, UK

Datum konání akce

10. 7. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000495071900335