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）
( e5 J7 ?2 j' j联合概率数据关联（Joint Probabilistic Data Association,JPDA）

- U% a" V% U  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。


JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html

# ?* v# d" `; g# j
/ D7 y! S  Q9 g  K公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
  W3 `& ?& y1 D8 O9 ^- k4 R) ]


  B# a% p5 U  L3 f
6 e( M. h/ r: k* ]/ w
: n2 o; l; e- ~6 Y3 @3 b% v6 H- ]4 }多假设跟踪（Multiple Hypothesis Tracking，MHT）
2 m# X1 }0 N  D6 w& Q
8 n) o  \6 D2 E3 ~
       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。
0 q  Q% M  M5 j5 `

MHT算法介绍：见上传的文件
& G; F( r# @# t) R$ q' a

MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
1 n9 g8 s; d' b, ]6 b0 X



8 `" b  |1 S* S. S1 Q) N
几种数据关联方法比较
+ P7 i# ^) {- ^  d/ Z

9 e  @' D; b& C* {& N      


- e& h& |' D+ c$ l3 J6 \2 E
————————————————
: u' `' }  a3 L9 l6 t) R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


& d- u# i4 p. a. T