最近邻（nearest neighbor，NN）方法是一种具有固定记忆并且能在多回波量测环境下工作的跟踪方法。在这种滤波方法中，仅将在统计意义上与被跟踪目标预测位置最近的量测作为与目标关联的回波信号。该统计距离定义为新息向量的加权范数：

NN方法的基本含义是：“惟一性”地选择落在相关跟踪门之内且与被跟踪目标预测位置最近的量测作为与目标关联的对象，所谓“最近”表示统计距离最小或者残差概率密度最大。

最近邻法便于实现，计算量小，因此适用于信噪比高，目标密度小的条件。但是在目标回波密度较大的情况下，多目标相关波门又相互交叉，最近的回波未必由感兴趣的目标产生。所以最近邻法的抗干扰能力差，在目标密度较大和目标做机动运动时容易产生关联错误。

在联合概率数据关联（JPDA）算法中，首先按照多目标跟踪门之间的几何关系，划分为多个聚。在每个聚中，任何一个目标跟踪门与其他至少一个目标的跟踪门之间交集非空。JPDA算法依次处理每个聚中0的目标与量测。假设在某个聚中，目标个数为N，确认量测数目。为了表示该聚中确认量测与多目标跟踪门之间的关系，定义确认矩

联合数据关联的关键是计算这些联合事件和关联事件的概率。它所依赖的两个基本假设是：

(l) 每一个量测都有惟一的源，这里不考虑有不可分辨的量测的可能性。

(2) 对于一个给定的目标，最多有一个量测以其为源。

满足这两个假设的事件称为可行联合事件。根据以上两个原则对确认矩阵进行拆分，可得到与可行联合事件对应的可行矩阵。根据JPDA的两个基本假设，对确认矩阵的拆分必须遵守以下两个原则：

(l) 在可行矩阵中，每一个有且只有一个1。这是为使可行矩阵表示的可行联合事件满足第一个假设，即每个两个有惟一的源。

(2) 在可行矩阵中，除第一列外，每列最多只有一个1。这是为了为使可行矩阵表示的可行联合事件满足第二个假设，即每个目标最多有一个量测以其为源。