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）
  J) C0 ^/ P: H( b. ]2 J4 i( o联合概率数据关联（Joint Probabilistic Data Association,JPDA）


/ i- |0 d# Z3 R; O% o9 D' U       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。
3 G/ _, x: }; p

JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
3 ~* P- f3 p, V; X( A

0 R: [' C; `( ~% y, A" V/ Y公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
- V! v2 |% [- m3 p' f# {


; e5 f( y0 ]% z5 f" [/ u
% a% l, F. |7 K, S0 l+ z9 E
多假设跟踪（Multiple Hypothesis Tracking，MHT）
$ ]+ Z) ]" `7 D* u# m1 c1 z6 _8 p
, A3 V9 s. ^& p2 w3 f9 ]
, v3 @1 V3 J5 ?; d, m& B  l( d5 W0 F       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。
: C) z' s! H  F9 h

  b% i1 L7 _' G- g# ^8 Z0 @1 GMHT算法介绍：见上传的文件


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


6 T9 X. r& Q2 l2 `1 G7 n8 ~6 Y


. E+ K' t9 D5 l4 ~' w/ \, }几种数据关联方法比较
+ U# M( b' U8 M" ^
3 T9 W& K/ A& I7 o$ u" X/ I  x
      


7 @; I. ^4 O" G
5 `" r& P% p) v& f————————————————
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$ H2 S$ i2 b  w4 m