Key points are not available for this paper at this time.
Der Gaussian-Mixture-Probability-Hypothesis-Density (GM-PHD)-Filter ist eine geschlossene Lösung für den Probability Hypothesis Density (PHD)-Filter, der vorgeschlagen wurde, um die zeitlich variierende Anzahl von Zielen und deren Zustände aus einer Folge von verrauschten Messwertsätzen unter Berücksichtigung von Datenassoziationsunsicherheit, Überlagerungen und Fehlmeldungen gemeinsam zu schätzen. Kürzlich wurde ein GM-PHD-Tracker basierend auf dem GM-PHD-Filter vorgeschlagen, um die zeitliche Zuordnung zwischen Zielschätzungen durch das Taggen einzelner Gaussian-Komponenten korrekt aufrechtzuerhalten und Schätzungen einzelner Zieltrajektorien und deren Identitäten bereitzustellen. In diesem Papier schlagen wir ein Tag- und Track-Management-Schema für den GM-PHD-Tracker vor, das recheneffizient ist und einen Rahmen für die parallele Verarbeitung von Daten bietet. Basierend auf dem vorgeschlagenen Schema präsentieren wir auch eine Reihe von einfacheren und effizienteren Beschneidungsschemata für Gaussian-Komponenten.
Panta et al. (Fr,) haben diese Frage untersucht.