Un método modificado y robusto de seguimiento multiobjetivo con alta interferencia y ruido de medición no...

Área de la Ciencia:

• Acústica submarina
• Procesamiento de señales e información
• Seguimiento multiobjetivo

Sus antecedentes:

• El seguimiento robusto de múltiples objetivos submarinos es crucial pero desafiante debido a la interferencia y el ruido no estacionario.
• Los algoritmos existentes de conjuntos finitos aleatorios (RFS) luchan con la contaminación de la verosimilitud de la observación y la baja precisión en dichos entornos.

Objetivo del estudio:

• Proponer un algoritmo robusto de seguimiento multiobjetivo delta-generalizado etiquetado multi-Bernoulli de Bayes variacional modificado en dos etapas.
• Mejorar la precisión y la robustez del seguimiento en entornos submarinos con interferencias y ruido de medición no estacionario.

Principales métodos:

• Se introdujo la estimación de Sage-Husa (SH) para la corrección inicial de la covarianza del ruido de medición.
• Se empleó un marco bayesiano variacional para la optimización adicional de las estimaciones de la covarianza del ruido de medición.
• Se utilizó una etapa de actualización de filtro delta-generalizado etiquetado multi-Bernoulli.

Principales resultados:

• Se alivió eficazmente la contaminación por interferencia de la función de verosimilitud en RFS adaptativo.
• Se mejoró la discriminación entre objetivos e interferencias en condiciones de ruido complejas.
• Se mejoró significativamente la robustez del seguimiento activo multiobjetivo submarino mediante la corrección de ruido en tiempo real.

Conclusiones:

• El algoritmo propuesto supera significativamente a los métodos tradicionales y existentes de multi-Bernoulli generalizado etiquetado adaptativo.
• Se demostró un rendimiento superior en simulaciones y experimentos con fuerte interferencia y ruido no estacionario.
• Ofrece una solución robusta para el seguimiento activo multiobjetivo submarino.