什么是 轨迹势概率假设密度滤波（TCPHD Filter）？
轨迹势概率假设密度滤波（TCPHD Filter）是一种 Assumed-density 多对象跟踪方法，在 IID Cluster Approximation 下同时递推 Trajectory Intensity 与轨迹 Cardinality Distribution。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
同时匹配 Trajectory PHD 与 Cardinality Distribution
TPHD/TCPHD 原始论文把预测与更新结果投影到 IID-cluster Multi-trajectory Density，以保留 Cardinality Distribution 和 Trajectory PHD。TPHD 的 Poisson Family 则由均值决定数量方差与完整概率质量函数。
Trajectory PHD 的积分与 Cardinality Distribution 的均值都表示期望轨迹数，两者必须一致。若数值截断或归一化后出现偏离，说明保存的量不再共同描述一个有效的 IID-cluster Approximation。
联合更新数量不确定性与轨迹状态
预测阶段同时在 Intensity 与 Count Domain 中组合存活轨迹和 Birth Process。更新阶段使用完整 Measurement Set、Detection Probability、Clutter Model 与对称量测统计，联合修正 Cardinality Distribution 和 Trajectory Intensity。
TCPHD 不枚举持久 Global Association Mixture，因此比 Hypothesis-rich 方法节省成本，也会丢失区分部分交叉历史所需的依赖。精确的数量 Posterior 并不自动保证正确的轨迹连续性。
限制状态增长并在相同假设下比较
Gaussian-mixture TCPHD 为每个 Trajectory Component 保存跨时刻 Mean 与 Covariance。L-scan 实现冻结 Lag 之外的状态，Pruning 与 Merging 则减少分量数量。这些策略会改变历史精度，必须进入可复现实验配置。
独立的脉冲 Doppler 研究在其雷达模型下实现 TPHD/TCPHD 的 Sequential Gaussian Update 与 L-scan。它支持工程可实现性，却不能证明 TCPHD 在任意环境中优于 TPHD、TPMBM 或 Labeled Tracker。
主要特点
- 传播轨迹 Cardinality 的完整概率质量函数
- 同时传播完整轨迹变量上的一阶 Intensity
- 给定轨迹数量后采用 IID Cluster Approximation
- 比 Poisson TPHD Approximation 保留更多数量不确定性
- 支持 Gaussian Mixture 与 Fixed-lag L-scan 实现
- 不保留显式 Global Association Hypothesis 或身份
常见用途
- 轨迹数量不确定性影响决策的多对象跟踪
- 存在新生、消亡、漏检与杂波的雷达或声呐场景
- Hypothesis Budget 低于 TPMBM 的轨迹估计
- 允许修正近期历史的 Fixed-lag Tracking
- 比较 Poisson 与 IID-cluster Trajectory Approximation
示例
Loading code...常见问题
TCPHD 比 TPHD 多保留了什么？
TPHD 在 Poisson Multi-trajectory Approximation 下传播 Trajectory Intensity，因此数量分布由均值决定；TCPHD 还在 IID-cluster Approximation 下传播任意 Cardinality PMF，保留更多数量不确定性。
TCPHD 是否保留目标身份？
它直接表示完整 Trajectory Variable，因此不需要给当前 Peak 加 Tag 才能形成历史。但 IID-cluster Approximation 不保留显式对象 Existence 与 Global Association Hypothesis，歧义交叉仍可能丢失依赖。
为什么 TCPHD 的 Intensity 与 Cardinality 必须一致？
Trajectory Intensity 积分和 Cardinality Distribution 均值描述的是同一个期望轨迹数量。若数值截断或归一化后两者不同，它们就不再共同对应一个有效的 IID-cluster Approximation。
L-scan 会怎样改变 TCPHD 实现？
它只让最近 `L` 个轨迹状态接受联合修正，并冻结更早状态，从而限制 Covariance 与内存增长；代价是后续 Measurement 无法再修正 Lag 窗口之外的历史。
如何公平比较 TCPHD 与 TPHD？
应使用相同 Detection、Dynamic、Birth 与 Clutter Model、Pruning、Merging、Lag、Extraction Rule 和计算上限，并报告 Cardinality Calibration、RMSE、T-GOSPA 分解、耗时与内存。