联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

, v: n7 n6 b9 {联合概率数据互联（JPDA） ----多假设跟踪（MHT）
* `: s$ }- R& x& b+ k$ w/ p联合概率数据关联（Joint Probabilistic Data Association,JPDA）
! k5 i  m4 s$ [) j% w
$ G% N. C- p+ q' U! P3 D8 J
. i. N- K2 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- j6 v( O2 N5 r8 U( J! E( ~JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html

$ m9 }( n- N: }2 {4 `9 Z
公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
4 e* N" d7 Q; Y$ m; o1 g/ Q



' h( ?9 C) t( o/ W; z& j, l
6 F7 _. d& z4 M5 E, O( W多假设跟踪（Multiple Hypothesis Tracking，MHT）
! `6 x, C! @0 h0 C) W1 b
) X0 C- T" m& W( Y" 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。


MHT算法介绍：见上传的文件
) V: ~, t' O& I) ]

MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html

' X# Y# t/ l2 \9 H# J

2 r+ w& z; K/ H: w3 }
' u, P* [: c) }2 f' D. V6 A9 l
5 {( C# x- x# e3 @4 W6 q7 z几种数据关联方法比较

3 f1 T0 C$ N' @( R8 y
      

! V9 S- J4 r5 F% O; U, R
: J* D6 ~! V6 F4 V
————————————————
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. C" K  |5 q) H: I原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133