联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

8 g! N7 ?' Z: C& W4 n) F3 P- a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）
  Z) o8 w& h8 n
, G  g, O2 M' j; U
- z* W" y1 D* g       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。


JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
; H$ S0 D, N/ z, ^- ]! u$ y# ^7 z5 u
! Y" ~2 V) D8 c/ |* P4 _9 D
" t9 {" Q, P# w0 H# U公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
0 U$ K; A/ c* U) s8 X7 b" Z



2 |% N. ^* O; z+ u3 c$ D
1 f* s) H# z1 p1 V& B! E多假设跟踪（Multiple Hypothesis Tracking，MHT）

7 B- u, H( _1 F0 w+ `% m, ~
1 l3 V2 q% b* c. ^# R       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。
) {2 Q! \' G3 e+ j
; ]: ^. r" q0 N/ }
2 E+ M0 E" \+ W7 LMHT算法介绍：见上传的文件
$ _5 k( t9 \* G, S2 V, u1 a# q9 _
! i$ ]" ^5 a% b: Q
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
6 a3 @$ F# e. |! V



3 h+ }4 L! a5 i$ F8 H
& s0 L  V( ^; I* V. D  |几种数据关联方法比较


% q* D4 x$ k- [* k! D9 _      
9 L' W1 U- [  J2 Y! _/ x
' o3 y6 C% p9 F; m$ T/ L
) X8 J% r- Z) x7 n$ }
- m$ A8 Q* v6 w; ]————————————————
6 R/ K: b8 P- H7 C4 V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。
5 l5 E- B. I6 D( k' }原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133


4 U% T5 E0 X4 Q8 J, R0 b0 S. g, a