联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

! r  l$ q1 b! {0 {) ]% ^0 A" M5 w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）
5 o9 l' c  O& m
8 t$ J: @1 o3 q; I
$ D! `+ d/ R* w3 j: p       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。


& ~9 |# n  o: c) E" R5 d, t+ eJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
; a) t9 A2 q5 g: Q

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

* x! t# M$ T+ a. |/ {8 n



; v6 D$ L' D" q2 r4 @多假设跟踪（Multiple Hypothesis Tracking，MHT）
' f" E+ a. r+ _; Q5 n6 L$ d. p
1 y, L& u8 s, ?! x5 j- }
       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。

% Y2 t, d; ~, ^* e% b
MHT算法介绍：见上传的文件

" |+ e5 R2 f* i! Z& Q' J
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
# z9 V* k- J, J  ?* L, r


3 i, \+ I7 a5 V
& Q) \+ T3 V$ o  C; p
几种数据关联方法比较


$ w$ \: q* f$ O      


; w0 u7 r0 |) Q0 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。
原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
) O$ y3 W2 ^- Q% b
4 h4 l6 {6 ?+ Z9 v: ?6 h