联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

. `7 }8 v9 _. x1 t) \8 _$ p: i联合概率数据互联（JPDA） ----多假设跟踪（MHT）
' W' p# g1 a# \6 K联合概率数据关联（Joint Probabilistic Data Association,JPDA）
6 {) s# ^- I4 X6 U1 f1 X
7 E# D2 n% K& Q1 l- N& t8 \; h
       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。
; t) ~6 a" P/ W- X
8 z9 p4 ?) d$ Z- C+ r8 N
JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
1 Y0 O# R/ s0 \: p& Y. u# ?; m

7 P9 d9 O9 b4 m+ x$ D+ N( B公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html

  D) J! i9 f- f; O" P" [. b

4 l4 Y/ \; c4 T  D7 T4 [3 G3 `% o8 J5 c
6 i- t/ E( _8 p( G; B5 R8 a
多假设跟踪（Multiple Hypothesis Tracking，MHT）
1 F6 Q) J* q  X, o

8 C' A3 n3 r% 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。
$ X4 }1 Z; Z' S

, V1 x' s& K* s6 \6 c# GMHT算法介绍：见上传的文件


9 h" u1 S% A! J) c2 f8 wMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
* Y5 H3 s+ X% }( j; m
1 i- S2 U) \! h* ]5 \" @
9 X2 n0 k9 ?0 s4 A

$ o  p! M1 P+ x- A, s. O2 W  k% s" v
几种数据关联方法比较

) g) B9 V; i2 |' T, g
      



" }: a: c- P3 p0 J. ^2 N; P————————————————
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。
, ?& t* v2 p2 R$ {原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
- p; k+ o- K9 h1 F: P; a: J0 c
+ p9 v7 d/ t4 T% L6 t