（帕绍大学）
摘要
用于多目标跟踪的联合概率数据协会（JPDA）过滤器基于以下假设：至多一个测量源自目标对象。然而，随着高分辨率传感器的发展，通常情况是从单个物体获得多个空间分布的检测。为了解决这一新兴的数据关联挑战，本文提出了一种基于泊松空间测量模型的JPDA方法，用于扩展对象。由于一个目标最多获得一个测量的约束被放宽，因此可以利用测量和目标的数量的线性复杂度来获得边际关联概率。将所提出的方法与基于分区的多扩展对象跟踪算法进行比较。