课题进展-联合概率数据关联算法(JPDA)

1. 概率数据关联算法(PDA)

在跟踪一个目标时，传感器会收到多个量测点，其中至多一个量测来自目标，其余来自杂波（如海洋噪声、混响、生物干扰等）。

PDA不硬性选择一个量测作为目标量测，而是对所有可能源于目标的量测赋予一个概率，然后概率加权融合这些量测来更新目标状态。

2. PDA在多目标下的失效

考虑一个两目标场景（目标A、目标B），两个量测（z1、z2）。如果两个目标的预测位置很近，跟踪门会发生重叠。

PDA独立处理每个目标：
为目标A计算$\beta_i$时，只考虑它自己的跟踪门内的量测，忽略目标B的存在
这会导致：如果z1靠近目标A、z2靠近目标B，但两个门重叠，PDA可能将z1以高概率关联给目标A，将z2高概率关联给目标B，看似没问题。但若两个量测都靠近两个目标，PDA可能将同一个量测同时高概率关联给两个目标，造成状态估计的偏差甚至发散。

根本问题：
一个量测最多只能源于一个目标（或杂波）。PDA 没有强制这一约束，而 JPDA 通过联合事件显式保证了这一约束。

3. JPDA的核心思想

  1. 枚举所有可能的“目标-量测分配”方案，满足：
    每个量测最多分配给一个目标
    每个目标最多分配一个量测
    未分配的量测视为杂波
    未分配到量测的目标视为漏检
  2. 计算每个联合事件的概率
  3. 对于每个目标，将其所有可能的分配（包括漏检事件）对应的量测进行概率加权融合，更新该目标的状态

这样JPDA就解决了“量测竞争”问题，保证了全局一致性。