联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

- ]2 [4 y" g: F9 L' m联合概率数据互联（JPDA） ----多假设跟踪（MHT）
! O" ~3 Y% u' W联合概率数据关联（Joint Probabilistic Data Association,JPDA）
6 `8 l- [2 b' R2 \) ^
& F/ D2 N* e2 u
/ w8 s/ P# U! X$ N0 r* }       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。


. C+ ~! O9 _8 ?, eJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
6 J+ p, p, c  W8 w" c2 C6 H. g

! v( u6 ^* ^& O+ A+ k* P( [公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
9 Q  E. p. g, y2 Q8 }  n




* i, t- }8 i4 X, m+ B$ i% Y多假设跟踪（Multiple Hypothesis Tracking，MHT）

4 `, G& z2 e" l( N1 Z) ~
/ @& X( o, ]  X       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。
6 q5 c9 v/ x* m( x7 S) {

MHT算法介绍：见上传的文件

) Y+ N" D0 ~) `5 i
# L' m, l4 P: C9 d6 `2 _* [* R& YMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html





几种数据关联方法比较
+ r5 t& a' K( {) P! M. _4 ?% d! e8 D
% D; c3 t( _' A4 T: P; ]" ]8 ?
      


9 M+ A' h) l8 G  k0 j% \6 o# h. \
————————————————
) [  p) M/ R5 v9 |5 A1 C/ x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。
7 j$ _8 W3 b/ U+ I$ D原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

; p, s6 n' K8 ^$ y" f