联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

: Q, h$ ]  ?& y1 z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）


$ G  o7 ]: J! O6 z       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。
! c  |: u) r7 n

JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html

9 R9 H! r, ^8 \  n% N% V; }  r# }
公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
- Z  \+ u1 `; A  q. E! p( P! q# v
" t/ H4 n7 e1 e& J6 ?7 h


& o- c7 X  a0 F* ?3 a% [- [
8 {) O" v+ _( `; j% G& t/ k& i多假设跟踪（Multiple Hypothesis Tracking，MHT）


$ \$ ?- E( n9 u/ D0 j3 d       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

4 @& @8 u$ j9 K( ^
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
4 j9 i" _) w# i/ p
$ g; L  I& I1 u. n

9 b$ [3 Q2 m# J+ ?2 _5 b

几种数据关联方法比较
6 ?: W& q" n6 N* Q5 r1 I. t( k3 y

      
+ o0 P( A' _/ Z( U4 q7 L

' w2 h6 |  w2 P+ a
- N9 i$ P1 x, O1 c" ^————————————————
; G( h) T  b( ?% J3 `& a/ O5 [0 H$ b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。
8 G+ H8 K9 F4 C3 H9 n7 j' y) `原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133

6 j' l- ^+ x8 ]* d