在多元高斯分布状态下，数据关联的高效门控

描述了一种高效算法，用于评估两个具有高斯误差的数据集之间的关联（加权二分图），例如，一组测量的状态向量和一组估计的状态向量之间的关联。开发了一种通用方法，旨在从协方差矩阵中确定状态向量的最小 d 维误差椭球体，当满足门控标准时，它们总是会重叠。然后找到数据椭球体的包围盒或 d 范围，每当它们重叠时，就计算关联概率。为了有效地确定 d 范围的交集，采用了多维搜索树方法，以减少评估关联的整体规模。很少评估超出预定误差阈值或门的关联。所开发的搜索方法是一种固定马哈拉诺比斯距离搜索。对三维和八维的各种分布数据进行的实证测试表明，缩放显著减少。因此，许多大规模数据关联任务的计算负载可以通过这种或相关的方法显著减少。