联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

! J' g& x5 ~# z0 {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）
2 Q2 E4 p3 K) M! @3 k- e. p$ p$ M4 V& f

/ M, {1 o% a5 t" g# C       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。


& j. i! W7 `: E  q0 |: A! }JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
2 v$ `* q+ h6 u, d- S+ E0 |! Z

  P; M8 p: a  ]6 k  z) N公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
% ?- `( a. ]4 Y* V+ [
7 o+ c6 h  n$ }
2 v4 {& y2 X9 k$ W


多假设跟踪（Multiple Hypothesis Tracking，MHT）
% a* e7 {4 b+ ^  v9 h8 ^+ Y

5 W/ y! h' q1 l+ S& Y       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。
% }* [  _. y7 b5 L8 G0 n
. j  P# O( A1 C/ F* o
: e: ?3 n; \' U* E; rMHT算法介绍：见上传的文件

3 D- O( w3 q8 M& S. w/ U
; M! R' b( J* X, l! A7 X1 jMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html

! ^; N/ L: [! I
4 ~: F$ s$ j$ k# ?/ y

' h6 U' P0 ?2 Q/ p, r) ^/ |
, S& _+ T! ^- L几种数据关联方法比较
5 C+ r: k( I: t/ t$ Z5 D

9 S8 Q! N8 @( @8 Z- J      
% o6 o1 E2 C) M, y1 ?* |/ l$ [

* q* R* `' o& v; q4 D
6 J1 H+ o: E( M' L: V————————————————
( V! s5 P1 v: o3 D, M6 Y" U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。
) q; G/ i) M8 ^0 C4 I) k原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

/ x' H- l: T5 N0 p
0 @: X! ]0 q$ R( M4 Z) s: r