联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

" u. U: r6 N; J5 D2 W) d0 b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）
! M7 m6 r: e! v$ \4 K; u7 c1 E
% H8 E3 h0 g* N. e0 |- J
       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。


' \: W1 g# O6 s* a/ U- HJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
/ h% y' f4 z1 F: Z. j

( Z) E$ ~& n% e7 J* `& G- C& p4 S/ z公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html
, k" D$ |( C1 }' e$ l7 J
' P, c8 R9 U! n
1 S. j  @+ W1 K% \5 f, R7 s' z
+ x7 t0 |+ R: S! D0 ]
9 @" B8 k* U4 x0 A; L( U9 M
多假设跟踪（Multiple Hypothesis Tracking，MHT）


       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。
% m: `) A5 r2 p# I+ x; b$ C% u
5 A, J5 J! O! B6 z( o+ ?* K0 C  `
+ {( v2 J' _4 Q! X& ]8 ^MHT算法介绍：见上传的文件
, \$ ]$ Y7 q$ r/ s( j5 ~6 y
8 f4 o9 F4 s/ y3 L% y9 y
MHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
, Q; J# M0 b- @6 X* i




$ |5 @5 U+ `6 Q& {! m几种数据关联方法比较

. a2 u6 l1 ^- [. K
      

* J$ j  j5 \% }% x+ r
  L) m6 _; U- ~+ b% `8 H+ K
4 X2 L2 ~0 Y5 @6 Q# r5 \————————————————
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

) S7 e0 D% t% T
# `9 i7 R9 z0 V$ a) Q/ w