在粒子滤波器中,放出去的采样粒子是否采集到我们所需跟踪目标,这里就需要一个判断:也就是将采样粒子与我的事先定义好的参照粒子作比较。于是在比较的过程中就出现了怎样比较,怎样评价他们的相似度。这里可以使用巴氏距离。
在统计学中,Bhattacharyya距离(以下称巴氏距离)测量的是两个离散或连续概率分布的相似性。计算方式和Bhattacharyya系数关系很密切。两种计算方式都以A. Bhattacharyya名字命名,Bhattacharyya是一位30年代在印度统计研究所工作的统计学家。巴氏系数可用来对两组样本的相关性进行测量。这一方法常用来作分类器算法。
数学定义
离散概率分布对于在X数域上的两个离散概率分布p和q,巴氏距离定义为[2]:
DB(p,q) = -ln(BC(p,q))
其中
BC(p,q) = ∑√p(x)q(x)
BC被称作Bhattacharyya系数(巴氏系数)
BC(p,q) = ∫√p(x)q(x)dx
0≤BC≤1q且0≤DB≤∞
两种情形中,巴氏距离DB均不满足三角不等式
计算巴氏系数涉及到对该两个样本的重叠部分进行基本形式的积分。两个样本值的积分被分成指定数目的部分。而每一个样本的每一个部分的成员数被用于下式中:
Bhattacharyya = ∑{i=1|n}√(∑ai·∑bi)
其中,a,b为两个样本,n是分块数&#x