联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

- U) t& M6 q& Z& H$ j7 H! T8 d/ l联合概率数据互联（JPDA） ----多假设跟踪（MHT）
联合概率数据关联（Joint Probabilistic Data Association,JPDA）
( R& Q5 w& N7 D+ j3 ~0 t2 ]
% F3 r7 Y) I4 J+ j! @# M
       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。

3 j3 Z. l6 c6 I7 G* b! x
1 C# C9 e  B8 A/ \- Q4 YJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
0 F. `6 `0 I5 f/ M

$ p6 E& U# M# P0 v* n- I# X6 x8 a, b公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
2 U+ M5 t" Z. D- Q
3 s6 F+ Z+ [1 z' q

8 }" Q" X* a6 s6 k
- Q) g4 c  c4 ^5 r, A+ Y
5 W% s. k7 T; |) n& i* _多假设跟踪（Multiple Hypothesis Tracking，MHT）

) K  S0 s7 O/ z, N% a
# f& T- L7 P5 W# M! j  R$ h# o       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。

) s; ^$ M: ~8 E1 B
MHT算法介绍：见上传的文件


MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


( J! Z* d! g0 v6 i0 k1 s9 h0 }8 j
! C$ S5 U* X6 e. t
' s9 l9 J3 d2 }/ S6 W" x
* j2 B, D' H7 S1 ^8 {! k6 p2 j  Q几种数据关联方法比较


% w( @8 m$ ], g      

* H* z+ E8 q. e
( V2 ^3 N) b- p/ s4 H
! h1 l$ e' ?, _, N6 c' K1 D; K7 G————————————————
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
0 p8 e/ X1 d8 c5 k# C