关于概率数据关联滤波PDAF和（带幅值）PDAFAI

PDAF是基于概率数据关联的滤波

其主要流程为：

1.定义两个测量集合
Z ( k ) = { z i ( k ) } i = 1 m 1 Z(\mathrm{k})=\left\{z_{i}(\mathrm{k})\right\}_{i=1}^{m_{1}} Z(k)={ zi​(k)}i=1m1​​ ：k时刻的有效量测集。
Z k = { Z ( j ) } j = 1 k Z^{k}=\{Z(j)\}_{j=1}^{k} Zk={ Z(j)}j=1k​：累计到k时刻所有的有效测量集。

2.有效量测(服从高斯分布，验证区间为椭圆区域)

$v(\mathrm{k},\gamma )=\left\{\mathrm{z}:[\mathrm{z}-\hat{\mathrm{z}}(\mathrm{k}|\mathrm{k}-1){]}^{\prime }\mathrm{s}(\mathrm{k}{)}^{-1}[\mathrm{z}-\hat{z}(\mathrm{k}|\mathrm{k}-1)]<=g^2\right\}$
其中 $g$为门限阈值。
$S(\mathrm{k})={\mathrm{H}}^{\ast }\mathrm{P}(\mathrm{k}|\mathrm{k}-1){\mathrm{H}}^{\prime }+\mathrm{R}$量测相对应的新息协方差
跟踪门的体积是： $V(\mathrm{k})={\mathrm{c}}_{n_i}|\gamma S(\mathrm{k}){|}^{1/2}={\mathrm{c}}_{n_n}{\gamma }^{\frac{n_2}{2}}|\mathrm{S}(\mathrm{k}){|}^{1/2}$

3.预测

状态预测： ${\hat{x}}_{k|k-1}=\mathrm{F}\ast {\hat{x}}_{k-1|k-1}$
量测预测： z ^ k ∣ k