什么是 势概率假设密度滤波（CPHD Filter）？
势概率假设密度滤波（CPHD Filter）是一种随机有限集近似滤波方法，在独立同分布簇模型下同时递推多对象一阶 Intensity 与完整 Cardinality Distribution。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
联合递推数量与空间信息
预测阶段把先验目标的存活数量与自发 Birth 的数量卷积成新的 Cardinality Distribution，同时累加它们对空间 Intensity 的贡献。两者通过共同的期望数量约束联系起来；实现时必须保持归一化，不能把 Intensity 误当成单对象概率密度。
Vo、Vo 与 Cantoni 的 CPHD 解析实现论文在线性 Gaussian 动态与 Birth 假设下给出 Gaussian Mixture 递推。基于局部线性化或 Unscented Transform 的非线性扩展仍是近似，不能据此宣称一般非线性递推具有闭式解。
用 IID Cluster 近似更新量测集合
在标准点目标模型下，更新阶段对完整 Measurement Set 同时处理 Detection、Missed Detection 与 Poisson Clutter。量测 Likelihood Ratio 的基本对称函数进入 Cardinality 与 Intensity 校正；把它替换为逐量测独立更新，会改变所表示的 Posterior。
CPHD 用 IID Cluster RFS 近似 Posterior：Cardinality Distribution 可以是任意离散分布，但给定数量后的状态独立同分布。它比 PHD 常用的 Poisson Cardinality 假设更丰富，却弱于保留对象级存在概率与关联假设的后验。
评测数量质量而不冒充身份跟踪
Trajectory PHD 与 CPHD 研究说明，标准 PHD/CPHD 估计当前目标集合，却不能从第一性原理形成轨迹。轨迹势概率假设密度滤波把 IID-cluster Approximation 定义在完整轨迹上；给状态型分量附加 Tag 仍只是实现辅助。
应同时报告 Cardinality RMSE 与校准、GOSPA 或 OSPA 分解、定位误差、漏检与虚警对象、协方差一致性、分量数量和运行时间。比较 PHD 与 CPHD 时必须固定 Birth、Survival、Detection、Clutter、Pruning 与 Extraction 设置，否则数量改善可能只是调参差异。
主要特点
- 递推完整的目标 Cardinality 概率质量函数
- 同时传播多对象一阶 Intensity
- 给定目标数量后采用 IID Cluster 近似
- 通过集合 Likelihood 建模漏检与杂波
- 支持 Gaussian Mixture 与 Sequential Monte Carlo 实现
- 标准形式不编码持久目标身份
常见用途
- 目标数量随时间变化的雷达或声呐跟踪
- 在密集杂波中改善 PHD 基线的数量稳定性
- 构造依赖目标数量不确定性的传感器控制目标
- 不要求持久身份的多对象定位
- 对比 IID Cluster、标签化与假设式跟踪器
示例
Loading code...常见问题
CPHD Filter 比 PHD Filter 多保留了什么？
PHD Filter 传播 Intensity，其积分只能给出目标数量期望；CPHD Filter 还传播每个可能数量的概率。额外的 Cardinality Distribution 可提高数量估计稳定性，但会增加计算成本，仍不提供持久目标身份。
CPHD Filter 使用什么概率模型？
标准 CPHD 采用 IID Cluster Random Finite Set：Cardinality Distribution 可以任意变化，但给定数量后，各目标状态独立同分布。递推还必须明确 Survival、Detection、Birth 与 Clutter Model。
CPHD Filter 是否执行显式数据关联？
标准 CPHD 递推不会输出 Track-to-measurement Assignment，而是在集合更新中积分关联不确定性。不过量测集合统计仍有组合计算，Gaussian Mixture 或 Particle 实现也需要管理分量。
CPHD Filter 能否输出持久航迹？
标准当前目标集合形式不能。工程上可以用启发式方法连接提取出的峰值，但这些连接不是 CPHD Posterior 表示的持久身份；需要身份与轨迹历史时，更适合采用 Labeled RFS 或 Trajectory-set Filter。
如何公平比较 CPHD 与 PHD Filter？
应固定 Detection、Motion、Birth、Clutter、Survival、Pruning 与 Extraction 设置，并报告数量校准和 RMSE、GOSPA 或 OSPA 分解、定位误差、漏检与虚警、运行时间和内存，而不是只展示一条有利轨迹。