联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

1 m! [6 p+ `" E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）
& A9 H( A! H4 x+ l5 a) p- }* |! ~
. ^$ W: e0 p4 ~2 F% ?1 t0 N
) G2 b4 d& [' v6 |6 U" A% q       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。
( u+ H8 B5 u. w' |1 \, {. E

( c( V- v9 U7 c8 J0 A+ p1 fJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
( x2 X- Y; i. w/ `! l

公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html



5 _" R; S4 o" a1 T2 P
7 ^. F% {1 `: }' A3 e+ K$ S
多假设跟踪（Multiple Hypothesis Tracking，MHT）


" }  g! h7 v% R& O4 Z; }       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。

1 |, V/ u5 ?8 k0 L
8 s/ s. y8 L$ [8 j+ B! m4 G- aMHT算法介绍：见上传的文件

/ e' i/ |7 a1 v+ a% Z. X$ Q+ p; \
+ Y- K. V0 N) E* w! C; mMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


$ U+ B/ _/ I1 M3 }  D" C& |/ r) G

% ^: r' |: E5 P+ |
几种数据关联方法比较
  ^% f. W+ {2 {) n! G7 o

      
, g; v& m) g" T& w) e1 V


————————————————
( B: `/ Y$ o, Z( z( `+ C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。
  E8 \" ^3 B4 o1 n( W原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
5 q: ~1 D- n( J( J2 u/ ?. k

& b: H+ `- u$ A9 o) |1 f  K* s