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）

# R/ {6 s- i, d! U5 X6 Z# o
       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 e/ I3 u" O5 W  f3 o( |" @9 n- V
, u2 ~, v1 r0 I8 O2 U# }8 q- ]
JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html

5 U! n  b' l0 N3 ~" w- W
公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html

2 Q. _& j# N+ B0 ^" n6 }
  v, U1 p- ^/ |4 X* P% y- v

2 L5 l$ Q' q) d' P
% |* u4 x' x; a7 {. u4 _* t多假设跟踪（Multiple Hypothesis Tracking，MHT）

6 B& ^# h2 l2 [: {2 J7 C5 [" D! H
       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。

) _1 Z# L8 X$ S1 Y
MHT算法介绍：见上传的文件


MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
$ }5 H) E8 \, b" Q. R9 v1 i# D


6 Z6 ]/ Q6 e# o# f$ y
  {% \& D1 P$ l) Q5 S: M" r" W0 q( h
几种数据关联方法比较


  _, f! j. N7 {$ _( G9 y      



————————————————
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。
" {! q8 R$ b2 k原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
  k1 y/ \" q, ?/ ~+ {3 U
, y9 m: R7 s2 c: `( h/ B4 A- ^  c