什么是 势平衡多目标多伯努利滤波（CBMeMBer）？
势平衡多目标多伯努利滤波（CBMeMBer）是一种随机有限集近似滤波方法，用独立 Bernoulli 分量表示目标集合，并修正原始 MeMBer 更新产生的 Cardinality 正偏差。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
为每个对象分量单独表示存在性
Bernoulli RFS 以概率 1-r 为空集，以概率 r 包含一个从 p(x) 抽样的状态。Multi-Bernoulli RFS 是独立分量 {(r_i, p_i)} 的并集；期望 Cardinality 等于存在概率之和，完整数量分布则由各 Bernoulli 概率卷积得到。
这种表示不同于 CPHD 的 IID Cluster Model。CBMeMBer 保留分量级状态密度和存在概率，但分量独立近似不会保留 Mixture Posterior 中完整的数据关联依赖。
修正 MeMBer 更新的数量偏差
Vo、Vo 与 Cantoni 的 CBMeMBer 论文从解析上说明原始 MeMBer Measurement Update 会产生目标数量正偏差，并在相同标准假设下推导出势平衡 Multi-Bernoulli 近似。量测生成分量采用修正后的存在概率，而不是带偏的 MeMBer 表达式。
该修正依赖明确的点目标、独立 Detection 与 Clutter Model。它不会让 Posterior 变成精确解，也不能在没有重新推导的情况下直接套到扩展目标、相关 Detection 或未知杂波模型。
控制近似、提取与分量增长
Gaussian Mixture 实现适合线性 Gaussian Model，Sequential Monte Carlo 实现可覆盖更广的非线性或非 Gaussian 动态。两者都要声明 Pruning、Merging、Component Cap 与 Extraction Rule；删除低存在概率分量也会删除概率质量，并可能影响下游数量估计。
应跨不同 Detection 与 Clutter 条件报告 Cardinality RMSE 和校准、GOSPA 或 OSPA 分解、定位误差、漏检与虚警对象、分量数量和时延。一个跟踪与分类实现展示了 CBMeMBer 如何携带额外类别状态，但其中仿真结果不能外推为普遍优势。
主要特点
- 用存在概率和状态密度表示每个潜在对象
- 形成 Poisson-binomial 目标数量分布
- 修正原始 MeMBer 更新的 Cardinality 正偏差
- 不输出确定性的显式量测分配
- 支持 Gaussian Mixture 与 Particle 实现
- 没有标签或轨迹变量时不保留严格身份
常见用途
- 对象数量持续变化的多目标雷达跟踪
- 非线性或非 Gaussian 模型下的 Particle 跟踪
- 线性 Gaussian 假设下的 Gaussian Mixture 跟踪
- 利用对象级分量联合估计状态与类别
- 把无标签滤波器作为 Labeled RFS 与 PMBM 基线
示例
Loading code...常见问题
CBMeMBer 的全称是什么？
CBMeMBer 是 Cardinality-Balanced Multi-Target Multi-Bernoulli 的缩写，其中大小写保留了历史上的 MeMBer 写法。该方法修改原始 MeMBer 的量测更新，以消除目标数量估计中的正偏差。
Multi-Bernoulli Filter 如何表示目标数量？
每个独立分量以概率 r_i 存在，目标总数就是这些 Bernoulli 存在变量之和，因此服从 Poisson-binomial Distribution，期望等于所有 r_i 之和。按阈值提取分量只是输出决策，并不等于数量分布本身。
CBMeMBer 与 CPHD 有什么区别？
CPHD 采用一个共享空间密度加任意 Cardinality Distribution 的 IID Cluster 近似；CBMeMBer 为每个分量保留单独的存在概率和状态密度，但分量独立性限制了它能够表示的 Posterior 依赖。
CBMeMBer 能否提供目标身份？
不能。实现可以携带分量编号或在扫描间连接估计，但标准无标签 Multi-Bernoulli Posterior 不会把这些编号定义为持久身份。LMB、GLMB 或 Trajectory-set Filter 对身份建模更明确。
哪些实现参数最影响 CBMeMBer 结果？
Birth Component、Detection 与 Clutter Model、Proposal Distribution、Pruning 和 Merging 阈值、分量上限及 Extraction Threshold 都会影响结果。应同时报告数量与集合误差、校准、时延和失败率。