随机有限集目标跟踪_吴卫华，孙合敏，蒋苏蓉，江晶著_9787118119633

　　《随机有限集目标跟踪》采用目标跟踪与数据融合界常用的术语和符号，聚焦于系统介绍RFS理论在目标跟踪领域的具体实现，涵盖了当前该领域研究的几乎所有成果：概率假设密度（PHD）、带势概率假设密度（CPHD）、多伯努利（MB）、标签多伯努利（LMB）、广义标签多伯努利（GLMB）、δ-GLMB和边缘δ-GLMB（M8-GLMB）等滤波器。这些滤波器是目标跟踪领域的新技术，为目标跟踪提供了全新的思路和有效的解决途径。在系统介绍上述滤波器后，详细介绍了它们的扩展和热点应用，包括机动目标跟踪、多普勒雷达目标跟踪、弱小目标检测前跟踪、非标准量测目标跟踪、分布式多传感器目标跟踪等。
　　因而，《随机有限集目标跟踪》具有条理清晰、内容系统全面、紧贴热点前沿的特点，非常适用于相关领域初学者、研究生与工程技术人员。鉴于作者的学习经历，建议读者可先阅览拙作，再学习Mahler原著或范红旗译著，这样相得益彰，学习效率可能会更高些。

　　在从事目标跟踪与信息融合研究过程中，作者深切感受到随机有限集（RFS）理论的巨大影响力。不同于传统方法将信息融合涉及的目标检测、跟踪识别、态势评估、传感器管理等一系列问题分解成独立的子问题单独来解决这一思路，RFS理论为上述问题提供了统一的理论描述框架和解决方案，是一种自顶而下的科学方法。
　　RFS理论起源于20世纪末，由罗纳德·马勒（Ronald Mahler）等人创立，并不断往前推进，然而，其创立的RFS理论抽象、复杂，一度并未获得学界的高度重视，真正受到广泛关注始于B-NVo的开创性工作，其先后提出了概率假设密度（PHD）滤波器的序贯蒙特卡罗（SMC）实现和高斯混合（GM）实现，开辟了RFS理论的实现途径，且上述实现方法采用了目标跟踪与信息融合领域常用的术语和符号，极力地促进了RFS理论的发展。以此为基础，短短几年时间依次提出了带势概率假设密度（CPHD）、多伯努利（MB）滤波器的实现方法，特别是，于2013年提出了广义标签多伯努利（GLMB）等标签随机集滤波器，使得RFS理论日臻完善，引起了目标跟踪与信息融合领域国内外著名学者的广泛关注，相关研究成果呈井喷之势。某种程度上讲，RFS理论俨然已成为目标跟踪与信息融合新的发展方向。然而，目前国内系统介绍该理论的著作几近空白，仅出版了由范红旗博士等翻译的两部Mahler撰写的著作，不过，如前所述，其书侧重于理论，初学者理解上有一定难度。那么，如何以一种易于让更多人接受的方式普及RFS理论，推动该理论在国内的蓬勃发展呢？这正是本书的目的所在。
　　本书采用目标跟踪与数据融合界常用的术语和符号，聚焦于系统介绍RFS理论在目标跟踪领域的具体实现，涵盖了当前该领域研究的几乎所有成果：概率假设密度（PHD）、带势概率假设密度（CPHD）、多伯努利（MB）、标签多伯努利（LMB）、广义标签多伯努利（GLMB）、δ-GLMB和边缘δ-GLMB（M8-GLMB）等滤波器。这些滤波器是目标跟踪领域的最新技术，为目标跟踪提供了全新的思路和有效的解决途径。在系统介绍上述滤波器后，详细介绍了它们的扩展和热点应用，包括机动目标跟踪、多普勒雷达目标跟踪、弱小目标检测前跟踪、非标准量测目标跟踪、分布式多传感器目标跟踪等。因而，本书具有条理清晰、内容系统全面、紧贴热点前沿的特点，非常适用于相关领域初学者、研究生与工程技术人员。鉴于作者的学习经历，建议读者可先阅览拙作，再学习Mahler原著或范红旗译著，这样相得益彰，学习效率可能会更高些。
　　在付梓之际，“遥想”自2015年底起笔以来，为不断吸纳国内外最新研究成果，数易其稿，终成如今模样，虽自知仍有不足，但仍深感欣慰，除此之外，还有诸多感谢。感谢Mahler、Vo等人的开创性工作，让作者得以如饥似渴地吮吸养分，在撰写过程中参考了他们的大量成果；感谢国家自然科学基金（No.61601510）和国防科技图书出版基金提供的资助和大力支持；感谢空军预警学院马晓岩教授及刘维建博士、武汉大学孙洪教授、国防科技大学罗鹏飞教授等提出的宝贵修改意见和热忱帮助；感谢国防工业出版社编辑付出的辛勤劳动；感谢评审以及关心本书出版的各位专家学者。
　　本书系统、全面地介绍了RFS在跟踪领域的应用，其在更高级别的信息融合领域的应用也有着激动人心的广阔前景，由衷希望拙作能抛砖引玉，共同推动RFS理论发展到新的高度。尽管我们已做最大努力，但限于自身水平，难免出现不妥之处，殷切期望广大读者批评指正。

你还可能感兴趣

我要评论