联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

+ r9 u8 D4 _1 F8 a) q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）
" L4 \- D4 G- [% P* I- F1 }! c/ T. L! ?

       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。
% [8 M& e. ~" O6 g: S( d

JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
" A, c- U* q: |; T2 l4 \$ \; s

0 M$ z( r0 M  Y- K0 m: \. Q  a* a0 z( @公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html




1 x1 E  `2 c! U
多假设跟踪（Multiple Hypothesis Tracking，MHT）
  @- }- q' }8 u! @

       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。
8 J4 H, i& W3 k

- Q! i9 K1 O2 _: r" ?2 A; UMHT算法介绍：见上传的文件

$ V& T; [7 J! V' k1 M
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


+ K. I, J4 e/ P2 H


几种数据关联方法比较

' B6 @- ^8 \  o5 E" E4 o
      



————————————————
8 s! u" q: S  }  Y( M# P& ]4 d7 a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; s# c# N( Z# e' Q原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
' [' G! E; b1 E. R2 X+ l