统一树重加权信念传播与均值场方法用于跟踪扩展目标
信号处理
2024-12-30 v1
摘要
本文提出一种统一的树重加权信念传播（BP）和均值场（MF）方法，用于在因子图框架内进行可扩展的扩展目标检测和跟踪。将因子图划分为 BP 区域和 MF 区域，使各区域内的消息遵循相应区域规则进行更新。BP 区域利用树重加权 BP，该方法在具有大量环路的图上收敛性优于标准 BP，以解决数据关联问题。MF 区域近似测量率、运动状态和范围的后验密度。对于线性高斯目标模型和伽马高斯逆 Wishart 分布的状态密度，统一方法提供闭形式递推。因此，所提出的算法比基于粒子的 BP 算法更高效。该方法还避免了测量聚类和剔除，因为其以概率方式解决数据关联问题。我们将所提方法与泊松多伯利利混合滤波器和基于 BP 的泊松多伯利利滤波器进行比较。仿真结果表明，所提算法实现了更好的跟踪性能。
引用
@article{arxiv.2412.19036,
title = {Unifying Tree-Reweighted Belief Propagation and Mean Field for Tracking Extended Targets},
author = {Weizhen Ma and Zhongliang Jing and Peng Dong and Henry Leung},
journal= {arXiv preprint arXiv:2412.19036},
year = {2024}
}
备注
29 pages, 5 figures, 1 table