基于乘性噪声建模的扩展目标跟踪批量更新方法
系统与控制
2024-11-19 v1 系统与控制
摘要
虽然多扩展目标跟踪需要复杂的算法来处理任务固有的高复杂度，但也需要低运行时间以实现在线执行。在这项工作中，我们为最近提出的椭圆目标跟踪器MEM-EKF*推导了一种批量更新。MEM-EKF*基于与成熟的随机矩阵方法相同的似然，但源自乘性误差模型(MEM)，并使用扩展卡尔曼滤波(EKF)顺序更新目标状态，即逐测量更新。我们的批量变体基于对所有测量值和MEM特定伪测量的简单求和，在单步中更新目标状态。这大幅降低了典型实现中的缩放常数，并且我们在数值实验中确实发现了约100倍的加速。同时，我们使用高斯Wasserstein距离衡量的估计误差在协调转弯场景中显著低于随机矩阵方法，而在其他情况下则相当。
引用
@article{arxiv.2408.00417,
title = {A Batch Update Using Multiplicative Noise Modelling for Extended Object Tracking},
author = {Christian Gramsch and Shishan Yang and Hosam Alqaderi},
journal= {arXiv preprint arXiv:2408.00417},
year = {2024}
}
备注
This is the accepted version (not the IEEEpublished version). copyright 20XX IEEE