多伯努利混合滤波器：完整推导与序贯蒙特卡洛实现
信号处理
2019-11-12 v1
摘要
多伯努利混合（MBM）滤波器是随机有限集（RFS）框架下精确的闭式多目标贝叶斯滤波器之一，其利用多伯努利混合密度作为多目标共轭先验。当出生过程由 Poisson RFS 改为多伯努利 RFS 或多伯努利混合 RFS 时，该滤波器即为 Poisson 多伯努利混合滤波器的变体。另一方面，当丢弃标签时，带标签多伯努利混合滤波器退化为 MBM 滤波器。在本通讯中，我们给出了 MBM 滤波器的完整推导，其中更新步骤的推导未使用概率生成泛函。我们还描述了序贯蒙特卡洛实现，并采用 Gibbs 采样来截断 MBM 滤波密度。采用非线性测量模型的数值仿真表明，MBM 滤波器优于经典的概率假设密度滤波器。
引用
@article{arxiv.1911.03699,
title = {Multi-Bernoulli Mixture Filter: Complete Derivation and Sequential Monte Carlo Implementation},
author = {Sen Wang},
journal= {arXiv preprint arXiv:1911.03699},
year = {2019}
}
备注
5 pages, 1 figure, journal