联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

+ ^" R5 j  i! U$ F7 c7 d8 g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）

0 h. X7 e+ \5 {8 M7 B. I
       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。
" S/ d  s9 b3 E9 q( b* V: g! S
- R9 c1 I/ U; n. e
% \- N5 d  P6 d* m( f6 f- ~JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
# {1 P  q* d1 W: _* q

公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
: u+ R" W( |5 @  l! g( r

' Q3 {5 Q, O) u6 {$ _1 ]8 Q
& m+ R. Q( K: G: f
6 y. {9 ^3 _" l' [* e
多假设跟踪（Multiple Hypothesis Tracking，MHT）
( [  w& W# l6 e( h: ]- _; t
, {2 p. @8 t- r# A2 s
       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。
' P2 e6 _# U; o- B. O& t; B" o
( y8 R$ Z: W5 X: P" m6 e1 M
8 o3 h- d5 ]5 @' U# MMHT算法介绍：见上传的文件
& @' \$ g% N6 L( d- ]

! N- b- w! l; Q9 u/ o. K) W- GMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
, T; T" |, o1 e5 V& a4 _% t- C/ R
3 w- d) n' U) U: c$ v/ ^* P

* g) H. S+ u" F+ K/ I. K. w

" Y- i. |& N6 l8 V( Y$ f- l9 ~几种数据关联方法比较

! C4 p$ {8 Y0 C: f! j: u$ U
4 ^; v' I1 Z8 m& }% `* M      



————————————————
1 z) H" b# I' N. X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。
( m, Q5 q# I& J, L/ b- B% l8 Z- m原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

! k: k* w2 f: U, z( U5 o
7 V3 U! I" u: h4 ^) d9 q  R$ k$ S