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）

0 v; n) F3 u- w7 t3 T) U4 e4 m
       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。

% Z& {  D5 s/ n# K$ h+ w# ~
1 x) @. A! D: sJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
! X* O" ]( o0 [9 T: f2 x* y* y
/ x; V" D0 _$ q# G3 h
公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
' E9 L/ b# I' C
1 a8 G3 y7 l8 H9 o. i$ w5 \7 U



  \+ Z5 b) Q$ O5 A4 m& A多假设跟踪（Multiple Hypothesis Tracking，MHT）

- H+ X9 u7 i6 }# b1 z' P7 c
       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。


MHT算法介绍：见上传的文件


3 Z1 j/ ]; O2 X" OMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
- f; N* W$ C! l1 O  L& n% L



% n3 B, [/ c& Q) J5 w2 t
几种数据关联方法比较
1 g+ r$ n( W7 `% W
& r8 l- `" S- O3 t9 V
      



0 ~7 k" W. c, k4 T9 ]% Y* m————————————————
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