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）


3 V* I! @/ L! K9 f- n       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。

; |+ R  l+ i; O+ R
JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
2 [3 _! p) n" ~) |  q2 H9 i5 b' ?
. ^6 W! n$ D, ]1 s+ b
) w9 N0 F+ @) _# P公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
2 g$ p: v8 N8 A1 M" }
/ d/ u) x( Z3 k  c
6 C6 M! G, h6 }  S
5 Y6 O" [9 h" v, |  P( i, U
4 h. u3 E0 K6 M
: n2 C) A5 g3 }# E/ D$ ?多假设跟踪（Multiple Hypothesis Tracking，MHT）
2 t+ P( U( E5 Z5 k. a

       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。
4 l* o3 T7 j' j" V% q. `

: ]* ]- p8 E! Z  N: mMHT算法介绍：见上传的文件
5 F' p9 ?4 Q* ?& X. y- B3 y" M, x

- _" X* f/ c: J# C- P8 O/ @- _& SMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


# F. _3 s3 D! p5 b3 |  S7 V

; M' p7 y3 o9 X4 z9 e
* n& {; s% T$ [6 k0 B2 Y2 ~& u几种数据关联方法比较


& ~' V4 s! p" ], M' ^      

* D; H. t" i/ q/ ~7 ^* 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

! A  r& I; S6 u, S
  q' {. P+ n7 l& f6 }7 \! B, ]- P9 R) t