联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

& M& T4 H- n  U8 ]  U" Y; G联合概率数据互联（JPDA） ----多假设跟踪（MHT）
- v* A5 P/ {+ l$ A4 H- x! ~# Z联合概率数据关联（Joint Probabilistic Data Association,JPDA）


       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。


7 p0 P- S& d! i" Y( f- YJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html

% ]# v, t9 H7 `
3 g8 A0 F2 b; V* e* N2 d& C" e. H公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
9 L8 I6 }% n! z+ p. _) _

3 U5 `& ]- v* i* X

6 M6 U- o, N/ C+ ^5 n: `
多假设跟踪（Multiple Hypothesis Tracking，MHT）

. x1 ~: m( U- B; h
7 d8 p* `$ J& b4 S       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。


) a8 I; ^* A0 m9 `- KMHT算法介绍：见上传的文件
' b7 U: ?( O9 R& M5 D
' C  ^0 @/ p- o: D& @# [2 o6 h
; S8 W: W" G6 S' G4 C( t3 yMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


4 l; E# [# Z, g2 o, s


几种数据关联方法比较
2 t1 w! b9 B" b

      

  S: U6 b4 N1 S' g) K- v

————————————————
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

! B8 Z, ~; n0 v  L( l" n