Dieses Projekt zielt darauf ab, neuartige Message Passing (MP) Methoden für Anwendungen in der Signalverarbeitung zu entwickeln. Viele Inferenzprobleme, die in der Signalverarbeitung von praktischem Interesse sind, beinhalten mehrdimensionale Marginalisierungsverfahren, und MP Methoden werden gerne eingesetzt, um solche Berechnungslasten zu verringern. MP Methoden machen sich die statistischen Abhängigkeiten zwischen mehreren Variablen oder Knoten zunutze. Durch den Austausch sorgfältig ausgearbeiteter Nachrichten zwischen diesen Knotenpunkten führen MP-Methoden zu rechnerisch effizienten Inferenzalgorithmen.  

Die Wahl der richtigen Implementierung für die Nachrichten ist jedoch nach wie vor eine Herausforderung, insbesondere wenn es um nicht lineare und nicht Gaußsche Modelle geht. Im Rahmen dieses Projekts werden verschiedene Repräsentationen für diese Nachrichten untersucht, z. B. parametrische Funktionsfamilien oder partikelbasierte Approximationen. Darüber hinaus wird ein Vergleich dieser Implementierungen für die Multiobjektverfolgung in anspruchsvollen Szenarien durchgeführt.