In diesem Artikel wird eine Methode für das verteilte Tracking einer multi-binomialen Multitask auf der Grundlage einer effizienten Labelübereinstimmung vorgestellt. Die herkömmliche verteilte binominale Fusion geht davon aus, dass die lokale Multitask-Zieldichte bereits durchgeführt wurde. Angesichts praktischer Szenarien sind jedoch die lokale Vielfalt der Labels und die Dichte der Ziele unabhängig, so dass die obige Annahme in vielen Anwendungsfällen nicht garantiert werden kann. Um dieses Problem zu lösen, schlägt dieser Artikel auf der Grundlage des Konzepts der arithmetischen Mitteldispersion eine effiziente Label-Matching-Methode vor und fusioniert auf der Grundlage der Matching-Ergebnisse die a posteriori Multinomial-Binomial-Wahrscheinlichkeitsdichte. Die in diesem Artikel vorgeschlagene Methode zeigt eine gute Leistung in Szenarien mit geringer Detektionswahrscheinlichkeit. Darüber hinaus wird der gesamte Fusionsprozess, um Konsistenz und Integrität der Fusionsergebnisse sicherzustellen, in 4 Phasen eingeteilt: Vorabfusion, Bestätigung der Labels, Ergänzung der a posteriori-Wahrscheinlichkeitsdichte und Überprüfung der Eindeutigkeit. In herausfordernden nichtlinearen Multi-Task-Tracking-Szenarien (MTT) wird die Leistung des vorgeschlagenen verteilten binomialen Filter-Fusionsverfahrens überprüft.

Verteiltes Multitask-Multinomial-Tracking; Binomialfilter; Arithmetisches Mittel der Fusion; Labelübereinstimmung