Titre :

A Risk-Based Sensor Management using Random Finite Sets and POMDP

Auteur(s) :

Gomes Borges, Marcos [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Maltese, Dominique [Auteur]
SAFRAN Electronics & Defense
Vanheeghe, Philippe [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Duflos, Emmanuel [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

Titre de la manifestation scientifique :

20th International Conference on Information Fusion (FUSION)

Ville :

Xi'an

Pays :

Chine

Date de début de la manifestation scientifique :

2017-07-10

Titre de l’ouvrage :

20th International Conference on Information Fusion (FUSION)

Éditeur :

IEEE

Date de publication :

2016-07-08

Mot(s)-clé(s) en anglais :

Multi-Object Tracking
Target tracking
Sensor Management
Expected Risk Reduction
Random Finite Sets
Partially Observed Markov Decision Process POMDP
Probability Hypothesis Density filter
PHD filter

Discipline(s) HAL :

Sciences de l'ingénieur [physics]/Traitement du signal et de l'image [eess.SP]
Mathématiques [math]/Statistiques [math.ST]
Mathématiques [math]/Probabilités [math.PR]
Mathématiques [math]/Optimisation et contrôle [math.OC]
Mathématiques [math]/Théorie de l'information et codage [math.IT]

Résumé en anglais : [en]

In this paper, we consider the problem of scheduling an agile sensor to perform an optimal control action in the case of the multi-target tracking scenario. Our purpose is to present a random finite set (RFS) approach to ...
Lire la suite >In this paper, we consider the problem of scheduling an agile sensor to perform an optimal control action in the case of the multi-target tracking scenario. Our purpose is to present a random finite set (RFS) approach to the multi- target sensor management problem formulated in the Partially Observed Markov Decision Process (POMDP) framework. The reward function associated with each sensor control (action) is computed via the Expected Risk Reduction between the multi- target predicted and updated densities. The proposed algorithm is implemented via the Probability Hypothesis Density filter (PHD). Numerical studies demonstrate the performance of this particular approach to a radar beam-pointing problem where targets need to be prioritized.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Oui

Collections :

• Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL