该论文研究了大规模组目标跟踪问题，提出了一种基于置信传播（BP）框架的可扩展组目标置信传播（GTBP）方法，将目标存在变量、组结构、数据关联和目标状态联合推断计算，具有良好的可扩展性和低计算复杂度。

Aug, 2022

本文提出了基于高斯混合模型和因子图框架的非线性最小二乘优化，用于处理三维空间中多个移动物体的跟踪问题，并展示了在 KITTI 跟踪数据集上实验的表现。

Aug, 2020

通过利用范围 - Doppler 光谱信息，我们提出了一种在强杂波环境中使用雷达传感器测量来跟踪未知数量目标的挑战。我们采用了一种新颖的神经增强消息传递方法，将得到的信念用作增加杂波拒绝和数据关联的附加信息，从而增强了目标跟踪的鲁棒性。我们还提出了一种基于分类的鲁棒多目标跟踪算法，采用神经增强消息传递技术。通过模块化方法，该算法有效地提升了杂波抑制和数据关联的性能，从而在多目标跟踪中取得显著改进。

Oct, 2023

本文介绍了一种可扩展的贝叶斯技术，用于在动态环境中从多个平台进行去中心化状态估计。通过严格分散的方法并通过互动通信协议促进信息流，实现仅在附近平台之间交换信息和在分布式监视方案的上下文下进行评估，其结果展示了对大型车队的前所未有的可扩展能力。

Oct, 2012

本文提出了一个基于实时算法框架的无人机小组搜索多个移动目标的方法，以优化快速及成功发现目标的概率，经过实验验证证明了该方法在不确定条件下的高效性和明显的优越性。

Mar, 2022

本研究介绍了一种高效的多目标跟踪滤波器 ——δ-Multi-Bernoulli 多目标跟踪滤波器，并使用排名分配和 K - 短路径算法来缩短每次迭代中的预测和更新操作的时间，并使用概率假设密度过滤器等工具，提出了廉价的前瞻策略以减少计算量。

Dec, 2013

多智能体多目标追踪问题中的去中心化、主动搜索和跟踪以及异步智能体通信的解决方案 DecSTER，在目标数量超过智能体数量的情况下，通过使用概率假设密度滤波器的顺序蒙特卡罗算法进行后验推断，并结合汤普森采样进行智能体的分散决策。通过比较不同的动作选择策略，在模拟中证明了 DecSTER 算法在面对不可靠智能体通信时的鲁棒性，并在不同目标数量和团队规模下优于信息贪婪基准的优化子模式分配 (OSPA) 指标。

Jan, 2024

该研究针对传感器技术的重要任务，提出一种利用专家知识改进的仿射变换方法，可用于软件校准、基于专家的适应以及联邦学习方法。研究通过模拟和实际数据实验评估了这个解决方案在一个有 8 个相同传感器的多传感器板上的效果，结果显示在模拟和实验数据中都有所改进。

Sep, 2023

提出了一种基于当前统计模型的卡尔曼粒子滤波（CSKPF）算法，用于多视角多目标三维跟踪场景，通过预测目标状态、估计目标状态协方差、抑制测量噪声以提高粒子采样效率，与现有基于恒定速度的粒子滤波（CVPF）方法相比，模拟实验和果蝇集群真实实验都证实了 CSKPF 方法在跟踪的完整性、连续性和精度方面的有效性。

Sep, 2023

本文研究了通过一系列测量获取未知目标位置（在有限个位置中）的问题，并建立了目标获取问题和二进制输入加性白噪声信道上的信道编码之间的等价性，提出了一种基于排序后的后验匹配信道编码策略的两阶段自适应目标搜索策略。通过信息论会话进一步研究了自适应和非自适应策略的基本限制，提出了适应性增益的下限。

Dec, 2017