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）


       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。
. [2 c! o2 P) {( i2 }/ }0 {: b

4 D  @  T+ v0 l0 zJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
# f8 A8 \1 B+ E/ R2 N. R5 |
; V. y! M" K0 ]# y0 p7 g
/ d, j% c# g1 o! J0 E公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
# y, h" K7 y* X! B/ o
6 c8 b+ Z0 C) Z! ?
: r3 P" v8 j  o4 Q9 X4 z

& N% ]5 U+ C& ]: q
. U+ ?; ?! B6 A' l3 Q多假设跟踪（Multiple Hypothesis Tracking，MHT）


9 D$ C) [9 O- |       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。
7 |& K7 r4 T% ~$ J2 p# ^" I
* r" T3 a! [! x  I) c$ _. y  q
: W$ v& D1 E, j* f7 h8 l- B9 k4 s" o5 QMHT算法介绍：见上传的文件


5 d8 |  E  J4 S! I1 y* PMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html

( \. M1 c  g, g& w% k# D

7 I3 x6 ^' Y( R

几种数据关联方法比较
- v0 H0 W" C+ ^" g* j1 O& n; @
* A# I( O2 e) }! y& h6 S$ r' }
, t! H: o2 x- i" l  U      



' V  e- m3 v$ B: Y————————————————
6 N$ b; @5 A$ {) y/ G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。
; x) E; t, l6 x9 o8 L原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

7 R0 P0 t6 y* Y4 [- M5 ?! h
: ~- F. B9 z" h