联合概率数据互联（JPDA） ----多假设跟踪（MHT）

杨利霞

' |# u& |* _0 A& B7 k& T联合概率数据互联（JPDA） ----多假设跟踪（MHT）
. r( i! k0 \0 z9 U, X联合概率数据关联（Joint Probabilistic Data Association,JPDA）

4 |& r8 N, u8 O% C' S( \: `
       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。
: E! Z$ ?4 `" Y+ y+ l

JPDA图形+例子解释：https://wenku.baidu.com/view/b300431aa76e58fafab003f9.html
: u6 }4 t) M5 b! Z8 k; ~  b8 R4 n$ G' }
0 _' f# I5 [( V4 Z6 i
, a" D- D- O! y- D8 P公式解释：https://wenku.baidu.com/view/46d44ee1998fcc22bdd10d04.html

) Y* j& @; n5 ~- R* Y
; }8 T) V  J( r) H& N$ X$ j
/ b( O$ _; l* Y& K1 O2 l3 w  Q+ U0 @
! g" e) M, q/ Y
多假设跟踪（Multiple Hypothesis Tracking，MHT）
" Y* [5 i3 e& x

/ ^$ n  f7 [2 X; b  k" d5 }5 G2 k       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。
  V) a% h: \7 x% i2 J
: O8 [1 {% U! B$ L! [; j, M
1 L: @( d; J( I9 aMHT算法介绍：见上传的文件

' K& |4 u, ^. E1 g
3 N8 O4 l( z2 [/ w+ Q- |. l' jMHT源程序：http://www.codeforge.cn/read/310434/hydwbwmg.m__html


0 j+ P) e& k/ p- D* a3 D
" B' y4 F- n7 |6 M1 g! `. l- {
" E8 S! ?4 O2 ]# K" {( i
几种数据关联方法比较


: {  Z$ Q4 T$ Q      



————————————————
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

6 t) W* U& d$ z- P+ U
, k9 x; N* O" s; Q3 ]