联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

8 F1 O  T" U* ~1 s0 p. 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）


9 _; ]# o% Y* b0 S. p       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。

- G" I* r" Y; [
( Y" r5 R8 C+ {, QJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html


7 v$ X8 U& s+ h: y* P! X8 d公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
& V* s- r5 z4 _9 @6 {. C
+ R: J' U- @/ s# x) T1 k
! N+ |! e( o/ d; O# I5 @& M4 F
% u, _  W; q0 \* T6 h7 K( x
- Y8 M" e! |% a/ \' t3 x7 M# c
; S' ^  j9 i, G% V& e多假设跟踪（Multiple Hypothesis Tracking，MHT）


) P  n8 f* x" I# H3 K1 B       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。

/ K0 B( x: l, r# N: y
* h- u0 d: N; c" qMHT算法介绍：见上传的文件
  R  j' E& ?) ]* N% z7 l
; \  O' B6 H6 H5 @, u0 T
% m8 U  u9 T' oMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html




: f- m% ^0 `7 T8 o
/ x. f7 l! R% p几种数据关联方法比较


% h. W7 e5 G  m1 Q$ q, G      
8 D( s& v, C) O6 t7 t, ~5 m9 O% v


————————————————
% W  ^; T2 K# a2 V# B0 [" e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


0 r4 X/ `4 W7 _