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）
* ]; ]+ ^- Q$ H联合概率数据关联（Joint Probabilistic Data Association,JPDA）
% I( Y3 {6 I9 n) U5 e

6 u/ Y3 Y' b; U% `& k       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。


( y5 j# F( }7 d9 m) JJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
& G( v( k3 j' }5 p8 A9 V

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

$ C0 |. t- ^" w4 F1 w- T


8 A: X; u; U1 x0 t% Z
" y) f' i8 e- U6 t9 _多假设跟踪（Multiple Hypothesis Tracking，MHT）
- t3 Y7 n# y3 N  L8 Z4 Y, d  r
& ]( @% E" u4 f( p5 h) x7 b0 w, b: L
       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。

& y+ J5 N6 v/ A3 A/ H
MHT算法介绍：见上传的文件
& t% E' t% q" O

) k7 S5 i  o! V3 R" X% T, gMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html

  G: D% f, I" i( R9 b+ Y


7 U" s8 T4 R: s9 s4 P
( i% N9 _- q1 O. F0 N几种数据关联方法比较


( g: f& {; i4 p      

1 H, s2 E$ ^0 R! \
/ p! t8 U+ `( Z  q
————————————————
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。
: k4 _: p; y  e$ _" Y: \" H原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

/ H; k2 F5 m6 R( W
: O8 i4 y8 ~4 D& e# ~