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。

* y2 B2 K. n! o* W6 v; c
) S+ j* ^3 y5 n  pJPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
$ [! ~3 w- b& U/ d( d

1 t* h' O$ g8 H, n0 ^& s公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html





多假设跟踪（Multiple Hypothesis Tracking，MHT）
- ~/ O1 @2 Z" s/ i3 X2 j, h; O9 y

       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

$ [  K4 C! a+ G; D7 C* m! v
2 m2 p) \. N* gMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html
# S+ O0 p5 H+ d* U0 f4 U

; i2 {( h# b1 J3 l$ j


# M9 r  o! R+ m& R' l8 J几种数据关联方法比较
# e8 E8 G# f- Z) ?# a1 s. D
' S& q" ^* {  D7 \( |; W9 L: u
4 w6 X8 z# g7 Y! ^4 D$ l5 W      
, J0 o+ c( `+ o) c6 ^0 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。
" ~: }1 P% X7 {8 w, l* }& f6 |% W原文链接：https://blog.csdn.net/lzcy911music/article/details/81632133
0 `* Q3 L: l* }3 v2 a: K' q
) r5 p6 D: o- F9 l5 K