关联矩阵是表示两个实体之间相似性程度的度量，对每一个可行“量测－航迹”对都必须计算其关联矩阵。关联矩阵主要包括数据关联的度量标准、逻辑原则、相似形度量方法等。关联度量的标准提供观测对相似与否的定量描述，如对称性、三角不等式、非恒等识别性、恒等识别性等。目前用于衡量两个实体相似程度的方法有相关系数法、距离度量法、关联系数法、概率相似法和概率度量法。相似性度量的选择取决于具体应用。

观测和航迹的真正关联是由赋值策略决定的，再构造了所有观测和所有航迹的关联矩阵之后，就可以做这项工作了。关联矩阵中的每个元素都可以通过选择前面叙述的某种相似度量方法来决定。赋值问题，原则上可以分为两大类，即基于算法和非算法两类。基于算法类包括最近邻、全邻近技术等；基于非算法类包括神经网络和模糊逻辑技术等。

其中，Z表示滤波新息（滤波残差向量），s为新息协方差矩阵，d为残差向量的范数，可以理解为目标预测位置与有效回波之间的统计距离。

JPDA的目的就是计算每一个量测与其可能的各种源目标相互关联的概率，为此首先研究在k时刻所有可行联合事件的集合.

它代表第i个联合事件，表示m个量测匹配于各自目标的一种可能，表示量测j在第i个联合事件中源自于目标t的事件，表示量测j在第i个联合事件中源自于杂波或虚警。

JPDA方法以其较好的多目标相关性能，自从诞生之日起就受到了广泛的关注。然而，JPDA算法的困难在于难以确切得到联合与关联事件的概率，因为这种方法中，联合事件数是所有候选回波数的指数函数，并随回波密度的增加出现计算上的组合爆炸现象。近年来，很多国内外学者针对各种实际应用，发展了一些次优的近似算法，限于水平有限，对这些算法本文不作介绍。但是这些算法在降低计算量的同时，也降低了算法的有效性和可靠性。