四种滤波器的比较（单目标，多目标贝叶斯滤波器，PHD滤波器，边缘分布多目标贝叶斯滤波器）

    1.单目标贝叶斯滤波器

       单目标贝叶斯滤波器利用贝叶斯递推规则传递单目标的后验密度，然后通过最小均方误差（MMSE）或者最大后验准则（MAP）来估计其当前时刻的状态值。

        处理对象是：单目标单传感器

   

    2.多目标贝叶斯滤波器

       多目标贝叶斯滤波器同样也使用贝叶斯递推规则来传递其多目标的后验概率密度，但对于状态集合测量集的处理使用的是随机有限集（RFSs）。

适用范围：适用于目标数少的多目标贝叶斯滤波器，不适用于目标数未知且多变。

缺点：涉及高维积分，由于密度的组合性质引起计算量较大，难以区分距离较近的多个目标。

解决方法：固定网格近似方法，SMC近似方法或者带有RFS的PHD方法。

 

    3.PHD滤波器

      PHD滤波器利用PHD递推公式来传递多目标的概率假设密度或强度，即后验多目标状态的一阶统计矩。解决了多目标贝叶斯滤波器的组合计算困难问题，完全避免了数据关联问题。强度在其空间中进行积分即为目标期望数目。

适用范围：适用于目标数目未知且时变的系统。

缺点：PHD递推公