一个与异质地理位置信息不确定性量化相关的束论方法
摘要：异构传感器的集成是各种应用中一个具有挑战性的问题。其中最突出的问题是多目标跟踪，需要以有意义的方式将来自不同传感器类型的观测数据进行组合，以跟踪多个目标。由于传感器具有不同的误差模型，我们需要寻找一个理论上合理的传感器集合之间的一致性度量方法，包括整体的度量以及在传感器之间指定的成对和多路交互。我们证明了数学层的理论提供了对这个需求的统一解答，支持定量和定性数据。该理论提供了在部署的传感器网络中将数据通用化的算法，并且能够在数据无法有效通用化时诊断问题。我们通过阿什维尔北卡罗来纳州一个野生黑熊种群的实验数据演示了基于层的跟踪模型的实用性。我们部署了一个涉及四个传感器的测量模型，并与负责追踪熊的科学家团队一同工作。这提供了一个小而完整的解释层次集成模型，并且足够复杂以展示层的能力来恢复熊和人的位置和行为的整体图像。我们开发了一种统计方法进行比较，即使用卡尔曼滤波器估计的动态线性模型。这种方法也可以恢复熊和人的位置以及传感器的准确性。当将观测数据归一化到一个共同的坐标系中时，动态线性观测模型的结构复制了层模型的结构，证明了基于层的方法的规范性。但是当观测数据没有进行归一化时，层模型仍然是有效的。
作者：Cliff Joslyn, Lauren Charles, Chris DePerno, Nicholas Gould, Kathleen Nowak, Brenda Praggastis, Emilie Purvine, Michael Robinson, Jennifer Strules and Paul Whitney
论文ID：1912.05487
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2019-12-12