3.1理论推导
首先假设状态变量为x,观测量为z,那么结合贝叶斯后验概率模型:
多目标跟踪从形式上讲可以理解为最大化后验概率,现在结合第二节的内容,假设状态变量x服从高斯分布,反映的是运动模型的不稳定性。基于状态变量x的估计先验,观测量z也服从高斯分布,反映的是量测误差,比如传感器误差。那么我们就可以利用高斯分布的融合来刻画Kalman滤波器的更新部分。
这里我们先给出一阶Kalman滤波器的公式,其中预测环节就是基于线性运动特性对状态变量的预测,即:
其中
为状态变量的均值,
为预测方差,那么对应的高斯分布方差即为
,而
则是线性运动模型本身的误差,由此得到预测环节。即预测结果服从高斯分布