[论文解读] Measurement-to-Track Association and Finite-Set Statistics

Ronald Mahler|arXiv (Cornell University)|Jan 5, 2017

Target Tracking and Data Fusion in Sensor Networks参考文献 9被引用 9

一句话总结

本文挑战了多假设跟踪器（MHT）在贝叶斯框架中为贝叶斯最优的长期主张，认为测量到轨迹的关联（MTA）并非物理实体，而是一种启发式构造。文章证明，广义标记多伯努利（GLMB）滤波器是唯一在理论上可证明为贝叶斯最优且计算上可行的多目标跟踪方法，而MTA并非源于物理直觉，而是有限集统计（FISST）推导中的数学产物。

ABSTRACT

This is a shortened, clarified, and mathematically more rigorous version of the original arXiv version. Its first four findings remain unchanged from the original: 1) measurement-to-track associations (MTAs) in multitarget tracking (MTT) are heuristic and physically erroneous multitarget state models; 2) MTAs occur in the labeled random finite set (LRFS) approach only as purely mathematical abstractions that do not occur singly; 3) the labeled random finite set (LRFS) approach is not a mathematically obfuscated replication of multi-hypothesis tracking (MHT); and 4) the conventional interpretation of MHT is more consistent with classical than Bayesian statistics. This version goes beyond the original in including the following additional main finding: 5) a generalized, RFS-like interpretation results in a correct Bayesian formulation of MHT, based on MTA likelihood functions and MTA Markov transitions/.

研究动机与目标

• 批判性评估多假设跟踪器（MHT）在贝叶斯框架中为贝叶斯最优的主张。
• 考察测量到轨迹关联（MTA）的现象学与数学基础，论证其并非物理真实存在的实体。
• 阐明基于MTA的跟踪方法与多目标跟踪中随机有限集（RFS）范式之间的关系。
• 反驳认为RFS方法仅仅是MHT理论的伪装重制的主张。
• 确立广义标记多伯努利（GLMB）滤波器为唯一可证明为贝叶斯最优且计算上可行的多目标跟踪解决方案。

提出的方法

• 分析MTA的贝叶斯公式化，表明其与完整贝叶斯统计不一致，而反映的是经典统计推理。
• 证明MTA是一种现象学启发式方法，而非物理上真实的关联，因此无法作为多目标系统中的状态表示。
• 利用有限集统计（FISST）推导多目标似然函数 $ f(Z|X) $，表明MTA仅源于记号的变换，而非物理直觉。
• 将MHT对多目标贝叶斯滤波器的启发式近似与GLMB滤波器提供的精确闭式解进行比较。
• 利用标记RFS框架表明，MTA是用于索引关于轨迹标签和分布的假设的数学构造，而非物理关联。
• 证明无标记滤波器以及式（49）中的泊松RFS模型在理论上存在缺陷，因其统计独立性假设与内在相关性相矛盾。

实验结果

研究问题

• RQ1 测量到轨迹关联（MTA）概念在多目标跟踪中是物理真实存在，还是数学构造的实体？
• RQ2 MHT是否可真正被视为贝叶斯最优，还是仅为多目标贝叶斯滤波器的启发式近似？
• RQ3 基于MTA的跟踪方法与有限集统计中随机有限集（RFS）方法之间的真实关系是什么？
• RQ4 RFS方法，特别是GLMB滤波器，是MHT的数学掩饰重制，还是本质不同且更具严谨性？
• RQ5 是否存在一种多目标跟踪器，既能被严格证明为贝叶斯最优，又具备计算可行性？若存在，哪种方法同时满足这两项标准？

主要发现

• MTA并非物理真实存在的实体；它是从RFS推导多目标似然函数 $ f(Z|X) $ 时仅因记号变换而产生的数学构造。
• MHT是真实贝叶斯最优多目标贝叶斯滤波器的启发式近似，而非严格意义上的贝叶斯系统。
• 广义标记多伯努利（GLMB）滤波器是目前唯一已知同时满足可证明贝叶斯最优性与计算可行性的多目标跟踪方法。
• 认为RFS模型是基于PHD滤波器的近似这一说法是错误的；RFS模型 $ \Xi_{k|k} $ 是真正的多目标状态，而PHD仅为对它的近似。
• 式（49）中的泊松RFS模型在理论上存在缺陷，因其假设已知目标与未知目标之间统计独立，而这是物理上不可能的。
• GLMB滤波器中的标记机制可显著降低预测阶段的计算量，这是无标记滤波器所不具备的能力，因此否定了‘标记仅为状态空间替换’的说法。