Filtrado multitarget utilizando una estadística de momento de primer orden multitarget

El enfoque teóricamente óptimo para la detección, seguimiento e identificación multitarget es una generalización adecuada del filtro no lineal Bayesiano recursivo. Este enfoque nunca será de interés práctico sin el desarrollo de estrategias de aproximación drásticas pero fundamentadas. En problemas de un solo objetivo, el enfoque de filtrado aproximado más rápido computacionalmente es el filtro de Kalman de ganancia constante. Este filtro propaga un momento estadístico de primer orden del sistema de un solo objetivo (la expectativa posterior) en lugar de la distribución posterior. Este documento describe una estrategia análoga: propagación de un momento estadístico de primer orden del sistema multitarget. Este momento, la densidad hipótesis de probabilidad (PHD), es la función de densidad en el espacio de estado de un solo objetivo que está definida de manera única por la siguiente propiedad: su integral en cualquier región del espacio de estados es el número esperado de objetivos en esa región. Describimos ecuaciones de filtro Bayesiano recursivo para la PHD que consideran múltiples sensores, detecciones perdidas y falsas alarmas, y la aparición y desaparición de objetivos.