Pour résoudre le problème du suivi passif multi-cibles multi-capteurs sous-marin dans un environnement de bruit d'interférence, cet article propose un algorithme de propagation de confiance gaussienne à noyau moyen distribué (DKME-GaBP). Tout d'abord, la fonction de densité de probabilité (PDF) postérieure conjointe est établie et factorisée, représentée par un graphe de facteurs correspondant. Ensuite, l'algorithme GaBP est exécuté sur ce graphe afin de réduire la complexité du calcul de l'association de données. Le graphe de facteurs GaBP comprend une boucle intérieure et une boucle extérieure : la boucle intérieure est responsable de l'estimation locale de la trajectoire et de l'association des données, tandis que la boucle extérieure fusionne les informations multi-capteurs. Dans la boucle intérieure, une méthode d'inclusion de la moyenne à noyau (KME) basée sur un noyau gaussien est conçue pour transformer le problème hautement non linéaire de l'estimation locale en un problème linéaire dans un espace de Hilbert reproducteur à noyau (RKHS) de haute dimension. Dans la boucle extérieure, une méthode de fusion distribuée multi-capteurs basée sur KME est proposée pour améliorer la précision de fusion en tenant compte de la distance entre les différentes PDF dans le RKHS. Les résultats de simulation confirment l'efficacité et la robustesse de l'algorithme DKME-GaBP.

inclusion moyenne à noyau; propagation de confiance; suivi multi-cibles multi-capteurs; suivi passif sous-marin