联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

* s8 O$ h1 x6 a. G# W" @联合概率数据互联（JPDA） ----多假设跟踪（MHT）
) O, U) D) i% b6 K: T" l联合概率数据关联（Joint Probabilistic Data Association,JPDA）

% E9 r: i3 v3 D
! W/ T( U7 G5 b/ ]3 Q* w$ @       联合概率数据互联JPDA是数据关联算法之一，它的基本思想是：对应于观测数据落入跟踪门相交区域的情况，这些观测数据可能来源于多个目标。JPDA的目的在于计算观测数据与每一个目标之间的关联概率，且认为所有的有效回波都可能源于每个特定目标，只是它们源于不同目标的概率不同。JPDA算法的优点在于它不需要任何关于目标和杂波的先验信息，是在杂波环境中对多目标进行跟踪的较好方法之一。然而当目标和量测数目增多时，JPDA算法的计算量将出现组合爆炸现象，从而造成计算复杂。
( V- r; e6 B" \& c: M" d- _0 ?
; M$ h$ Y; O: L9 s
5 n* q9 L( z  FJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
* X3 S3 P/ [2 ?8 Q2 U9 ~0 x0 C5 H
" l. Q& r" p! S4 T/ }$ V
7 c) m( k' E4 K) q+ C% |公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html





' A* Z# o  y* s! e- s5 X多假设跟踪（Multiple Hypothesis Tracking，MHT）
8 Z* V. F; m' c9 w/ z/ Y4 `$ o$ x
! C6 L6 E# A! Z8 r: K
       多假设跟踪MHT是数据关联另一种算法。它的基本思想是：与JPDA不同的是，MHT算法保留真实目标的所有假设，并让其继续传递，从后续的观测数据中来消除当前扫描周期的不确定性。在理想条件下，MHT是处理数据关联的最优算法，它能检测出目标的终结和新目标的生成。但是当杂波密度增大时，计算复杂度成指数增长，在实际应用中，要想实现目标与测量的配对也是比较困难的。
8 K. v* p8 ^2 C$ W

9 f4 o' L5 J& ^; c  W8 G' s* }MHT算法介绍：见上传的文件
( _7 Q( Z; \  v
/ n" T  }* P6 q' f% C
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html

, c% Q, a5 Y9 i% G


& S1 }. i8 G8 Y# [
几种数据关联方法比较

( o( Y, y8 x( {! t2 ^; `
4 k5 R# k& q# U* Y      
1 x& r" d/ m) m5 b- g% i- F& S) q


————————————————
版权声明：本文为CSDN博主「微生俘」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
" c% |6 E  \+ n# ]
: A: o4 u# `. O, u% |