信息论方法用于鲁棒多伯努利传感器控制
Information theoretic approach to robust multi-Bernoulli sensor control
AI总结：
本文提出一种基于多伯努利多目标跟踪框架的新型传感器控制方法，通过信息论中的Rényi散度作为奖励函数，解决无先验知识的多目标跟踪问题，实验验证了其在复杂环境下的有效性。
摘要：
本文提出了一种新的传感器控制解决方案，该方案基于多伯努利多目标跟踪框架。所提出的方法专门针对一般多目标跟踪情况，其中没有关于杂波分布或检测概率的先验知识。在信息论方法中，我们的方法利用Rényi散度作为奖励函数，以最大化方式找到每一步的最优传感器控制命令。我们设计了一种蒙特卡洛采样方法来计算奖励。仿真结果展示了所提出方法在具有五个目标在相对不确定空间中机动的挑战性场景中的成功表现。
英文摘要：
A novel sensor control solution is presented, formulated within a Multi-Bernoulli-based multi-target tracking framework. The proposed method is especially designed for the general multi-target tracking case, where no prior knowledge of the clutter distribution or the probability of detection profile are available. In an information theoretic approach, our method makes use of Rènyi divergence as the reward function to be maximized for finding the optimal sensor control command at each step. We devise a Monte Carlo sampling method for computation of the reward. Simulation results demonstrate successful performance of the proposed method in a challenging scenario involving five targets maneuvering in a relatively uncertain space with unknown distance-dependent clutter rate and probability of detection.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
