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）


, m3 A6 W) N, H- `+ g4 D2 K  i5 Y       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。
- F' p; }( \2 \- N& |
/ ?4 k: A, }0 W+ W% _$ ^0 q
JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
' L: x9 j* @2 q' T5 S( i
! l1 E& v$ B+ d6 U3 ]0 p# Z/ u
公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html

2 ?7 Q1 A* }- T8 e7 ]


5 p8 a7 @: |  q3 @2 ~2 R0 G
多假设跟踪（Multiple Hypothesis Tracking，MHT）
8 h% G2 W: V! S( z
" {! l) y) p2 @7 k3 P
8 @+ Y8 l) u( ]/ l       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。
+ o) |) K& l0 A1 ]  B3 x

  ~& f/ @1 V) O1 @" f! `% AMHT算法介绍：见上传的文件


8 i3 t6 n, u" g' z0 I" G! IMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html



6 f9 Q' j- n9 d5 {) X
9 ?1 x) S7 w% n6 H. D
9 M' z. X% `% a几种数据关联方法比较

8 E+ ]; U# ^6 t, i' f1 a' B- R
. X8 l2 S. F' F. y% K      
+ |+ c$ m+ J6 a( [* Y

$ x8 W8 X0 J' Y3 n' W" T
————————————————
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
6 m+ K; o: C: B5 ]