广义标记多伯努利滤波器与多目标相关性模型
统计方法学
2025-06-04 v1 统计计算
摘要
广义标记多伯努利 (GLMB) 滤波器是一种理论上严谨的贝叶斯最优多目标跟踪算法，具有计算上易于实现的特性，它基于标记随机有限集 (LRFS) 理论。它假设多目标种群可以用 GLMB 多目标概率密度函数 (p.d.f.) 来近似，这些函数由关于当前目标状态的加权假设组成。GLMB p.d.f. 的一个特例——LMB p.d.f.——假设目标是统计独立的。本文证明：a) 在给定多目标相关性的“简单标记相关 (SLC)”模型的隐含假设下，GLMB p.d.f. 可以被解释为 LMB p.d.f. 向统计相关目标种群的直接推广；b) GLMB 滤波器可以重新表述为 SLC-GLMB 滤波器；c) SLC 模型似乎主要适用于由少量紧密间隔目标组成的目标集群。
引用
@article{arxiv.2506.02772,
title = {Generalized Labeled Multi-Bernoulli Filters and Multitarget-Correlation Models},
author = {Ronald Mahler},
journal= {arXiv preprint arXiv:2506.02772},
year = {2025}
}