联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

6 _; U3 L4 y7 ]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）

' d( j5 d0 r  u' T
       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。


% t  A: z) C" G+ d& c3 f8 O1 F2 dJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html


# l# ~, M* D. X( [% m1 i公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html

8 L, ]% G  ~) D3 ~6 B


" z8 s1 m! i2 x2 N) V7 c
  I. ?& H+ |% H3 h! U2 r多假设跟踪（Multiple Hypothesis Tracking，MHT）

0 o/ }+ }  ?* _/ M. d! i. M0 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。

; r% Q- A3 n* ]; u( c4 f, n
MHT算法介绍：见上传的文件
9 n& A9 v; U5 p* P* w

5 v0 f! y/ L' Q& p$ }) M" B! H" [3 kMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
. Q3 S  T$ n% p7 W  {/ U
1 O( [, m  S1 A4 B  w( T5 T
  [, {" n* J: x1 I- B, s  S
; ?' K! R# U) V- b2 u
+ z5 D* S. |6 H% k  s  l8 h  H
2 w. C8 K8 u/ P3 b几种数据关联方法比较
* W- q5 ?) s& K& z4 v" {

      
  s+ K  F. e6 U+ @! m% p

6 i- q6 {, o; x
" [3 @; l4 F3 d7 P————————————————
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 ], l1 W1 b, O- M
& V* \9 s1 l4 H& n9 s2 X, G2 M
- Z0 _( y; b% m4 o! h