基于标号随机有限集的多目标估计综述
信号处理
2024-11-11 v3
摘要
本文介绍了多目标系统的标号随机有限集 (Labeled Random Finite Set, LRFS) 框架——此类系统中目标数量及其状态未知且随时间随机变化。特别地，我们关注通过多目标状态空间模型 (State Space Model, SSM) 进行状态与轨迹估计，该模型支持原则性且易于处理的多目标跟踪滤波器/平滑器。与单目标情形不同，状态的时间序列不一定能代表多目标系统的轨迹。LRFS 公式化使得多目标状态的时间序列能够表示多目标轨迹，从而适应轨迹交叉与碎裂。我们介绍了 LRFS 的基础，涵盖一套常用模型与数学工具（包括此前未在其他地方发表的最新成果）。在此基础上，我们概述了使用 LRFS 进行多目标状态空间建模与估计的基础，其正式处理了目标身份/轨迹、衍生目标的 ancestry 以及目标集合（及其轨迹）不确定性的表征。多目标 SSM 问题的数值解本质上比标准 SSM 中的更具挑战性。为了弥合理论与实践之间的差距，我们讨论了最先进的实现方法，这些方法解决了目标数量、测量、传感器和扫描次数方面的关键计算瓶颈。
引用
@article{arxiv.2409.18531,
title = {An Overview of Multi-Object Estimation via Labeled Random Finite Set},
author = {Ba-Ngu Vo and Ba-Tuong Vo and Tran Thien Dat Nguyen and Changbeom Shim},
journal= {arXiv preprint arXiv:2409.18531},
year = {2024}
}