Filtro de asociación de datos probabilísticos

El filtro de asociación de datos probabilístico (PDAF) ^{[ 1 ] [ 2 ]} es un enfoque estadístico para el problema de la asociación de trazas (asignación de medición a objetivo) en un algoritmo de seguimiento de objetivos . En lugar de elegir la asignación más probable de mediciones a un objetivo (o declarar que el objetivo no se detectó o que una medición es una falsa alarma), el PDAF toma un valor esperado , que es la estimación del mínimo error cuadrático medio (MMSE). El PDAF por sí solo no confirma ni finaliza los seguimientos.

Mientras que el PDAF está diseñado para rastrear un solo objetivo en presencia de falsas alarmas y detecciones fallidas, el Filtro Conjunto de Asociación de Datos Probabilísticos (JPDAF) puede manejar múltiples objetivos. La primera aplicación práctica del PDAF probablemente se dio en la Red Operativa de Radar Jindalee ^{[ 2 ]} , que es una red australiana de radares de largo alcance (OTHR).

• MATLAB : Los algoritmos PDAF y JPDAF están implementados en la singleScanUpdatefunción que forma parte de la biblioteca gratuita Tracker Component Library del Laboratorio de Investigación Naval de los Estados Unidos . ^{[ 3 ]}
• Python : El PDAF y otros métodos de asociación de datos están implementados en Stone-Soup. ^{[ 4 ]} Un tutorial muestra cómo se pueden usar los algoritmos. ^{[ 5 ] [ 6 ]}