联合概率数据关联（JPDA）

由于PDA算法没有能够准确考虑处在多个目标关联门相交区域中的公共回波对航迹更新的影响，因此其跟踪性能在回波密集时不太理想。JPDA算法被公认为解决密集回波下多目标数据关联的最有效算法之一。

JPDA算法利用落在跟踪门限内的当前扫描周期中的点迹，计算点迹与相应航迹的关联概率，利用关联概率对当前点迹求加权和来修正航迹，权值是跟踪中的点迹来自于目标的概率。实际计算中就是通过找出所有可能点迹-航迹的组合集合，通过求点迹-航迹关联集合的概率来获得权值。它与PDA的相同之处在于使用了相同的估计方程，即将预测量测值关联区域内的所有量测值都考虑在内来更新新息向量；差别在于对关联概率的计算方法不同。PDA算法认为关联区域内的所有有效量测值至多有一个匹配目标，其余量测为杂波；JPDA认为交叉关联区域内的每个量测可能来自交叉的多个目标或杂波。

JPDA算法分为两部分：联合（关联）事件生成和关联概率计算。除了关联概率的计算不同以外，JPDA滤波器与PDA滤波器基本上相似。JPDA计算的概率为联合概率，这是由于量测值可能来自不只一个目标。

JPDA算法的基本模型

确认矩阵

当有回波落入不同目标相关波门的重叠区域内时，此时必须综合考虑各个量测的目标来源情况，为了表示有效回波和各目标跟踪门的复杂关系，Bar-Shalom引入了确认矩阵的概念。确认矩阵被定义为：

其中：是二进制变量，表示量测落入目标的确认门内，而表示量测没有落在目标的确认门内。表示没有目标（航迹），此时对应的列元素全都是1，这是因为每一个量测都可能源于杂波或者是虚警。即表示没有目标（航迹），此时如果存在量测，那么这些量测都来源于杂波或虚警。如下图所示，矩阵的第一列元素全都是1，这是因为任意量测都有可能来源于杂波或虚警。

由于确认矩阵中的元素没有考虑一些限制因素，比如某个量测来源于一个目标时，另一个量测也源于这个目标，这就是说确认矩阵中的元素之间存在相关性。考虑到去除这种相关性，需要拆分确认矩阵，构造合适的矩阵来描述各种独立可行的事件。

关联矩阵（联合事件）

对于一个给定的多目标跟踪问题，一旦给出反映有效回波与目标或杂波关联态势的确认矩阵后，可通过对确认矩阵的拆分得到所有表示关联事件的关联矩阵，在对确认矩阵进行拆分时必须依据以下两个基本假设，即满足以下两个条件的事件定义为联合事件（注：一个关联矩阵代表一个联合事件，一个联合事件即有一个关联矩阵（通过确认矩阵拆分得到））：

1. 每一个量测有唯一的源，即任一个量测不源于某一目标，则必源于杂波或虚警，即该量测为杂波或虚警。换言之，这里不考虑有不可分辨的探测情况。
2. 对于一个给定的目标，最多有一个量测以其为源即每个目标最多只能产生一个回波。如果一个目标有可能与多个量测相匹配，将取一个为真，其他为假。

也就是说，对确认矩阵的拆分必须遵循以下两个原则：

1. 在确认矩阵的每一行，选出一个且仅选出一个1，作为关联矩阵在该行唯一非零的元素。这实际上是为使可行矩阵表示的可能联合事件满足第一个假设，即每个量测有唯一的源。
2. 在可行矩阵中，除第一列外，每列最多只能有一个非零元素。这是使关联矩阵表示的可行事件满足第二个假设，即每个目标最多有一个量测以其为源。·

关联概率的计算

联合事件概率的计算

并消去每个表示式中出现的常数和后，则上式就变成：

其中：亦为归一化常数。

状态估计协方差的计算