联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

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）
) x6 i- \& w* N
0 ]5 U; ^: E% {' I4 d. C" S
+ b8 {$ p; i/ l, ^6 c3 V* H       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。
8 B: L: }$ g$ B! t3 e  T
/ s" [7 h" Q6 i+ ]/ X$ ^, z
$ R  @) N2 J4 WJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html


* l7 x8 H* v% A2 X2 F公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html



, g3 I  C6 O/ I" u- M  B
) c, |0 A. ]5 M' b9 f: w- X+ M0 l8 U
多假设跟踪（Multiple Hypothesis Tracking，MHT）
% V( I( }2 H! R
  t0 y" c7 ^+ O# z6 ^9 ^' G
       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。

: m4 d! t! |# ^
MHT算法介绍：见上传的文件


  E( T( c6 \7 Q5 wMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
5 c( P; H7 g6 ~
# _& Z$ ]5 b0 J  Y8 D1 ^) ?, @" [
) D. x3 o* ]# w5 \" @+ ^7 E! K

9 @9 q$ |( j: n) U; d
. ]/ B( c/ a6 Z! H& m6 M几种数据关联方法比较

  I9 Y3 B! `6 }" w% K
      
2 r4 g1 ?8 }4 z' M+ m


————————————————
$ Y* x- o; A. a" b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。
) ~8 l, s# C  ~, u$ ]' y, _原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
3 Q0 s% g: h+ w  w/ ?

# Z, o) v& Q- w3 p