Pd<1 时 RFS 状态与观测误差界的递归形式
应用统计
2015-06-04 v1
摘要
在目标跟踪及其工程应用中，目标的递归状态估计至关重要。本文首次在有限集统计框架下，针对动态估计与滤波问题提出了一种递归性能界。近年来，具有集合值观测和目标状态的跟踪算法数量急剧增加。然而，这些算法的界尚未得到充分讨论。将测量视为集合，当检测概率小于 1 时可以应用该界。此外，状态被视为以一定概率为单例或空集的集合，并以此解释目标的出现与消失。当目标状态的存在确定时，我们的界与随机向量统计框架下检测概率小于 1 时界的最精确结果相同。当考虑不确定性时，给出了线性和非线性应用以证实该理论，并揭示在随机向量统计框架下该界比以往的界更具一般性。事实上，此类测量的集合可被视为随机有限集 (RFS)。
引用
@article{arxiv.1204.1792,
title = {The Recursive Form of Error Bounds for RFS State and Observation with Pd<1},
author = {Huisi Tong and Hao Zhang and Huadong Meng and Xiqin Wang},
journal= {arXiv preprint arXiv:1204.1792},
year = {2015}
}