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）
" |# {9 s3 N: U) y) L5 d

8 P5 T4 P9 V. f7 T7 q5 I6 ^       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。
4 w2 @  C# F6 j5 i$ g# _. K$ x
8 Q1 T- [" X  Q) s) }1 V
JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
. J) ]: N7 z& f+ @

1 ^7 J! G; n+ X9 L公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
/ l3 J: `2 V8 W, L. k9 w$ r% v) J



/ p+ T" X0 K; @4 Z6 b" A+ i
4 n5 I' t7 D& ~7 f+ d& T4 ?0 v8 _多假设跟踪（Multiple Hypothesis Tracking，MHT）


! G- T" v* c" R- Y& L$ d       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 W/ Y! a: _
" B! V) G+ f# L: ?, Y9 W- |4 g7 F
MHT算法介绍：见上传的文件


MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
1 f- h5 v3 ]! v6 S) I" h8 s
/ I+ h; H+ h5 {9 n* G& a
: j- y+ H4 R( u8 q

2 s" r9 n0 P- h9 b* t& V1 b
8 X8 _8 R) R6 V+ s: k( \几种数据关联方法比较

# O. G' t  C6 B5 z' O; [
, \9 m5 N7 @4 A      
5 [4 l5 d; t* L
% v1 w6 F7 m" @$ @9 b7 ?
5 Q! p% t; X* Y- }0 h" {4 I* ?* {
; x5 V1 ?8 w5 G% v  H- J( W————————————————
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

2 L$ _' f( @% C. x# C$ y! A