基于交互多模型的機(jī)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、隨著現(xiàn)代航運(yùn)業(yè)的快速發(fā)展，水上交通形勢(shì)日趨嚴(yán)峻，船舶安全航行問(wèn)題日益突出，從而對(duì)船舶跟蹤性能提出了更高的要求，特別是機(jī)動(dòng)目標(biāo)的穩(wěn)定跟蹤更為關(guān)鍵。為改善目標(biāo)跟蹤可靠性，提高機(jī)動(dòng)目標(biāo)跟蹤精度。本文在傳統(tǒng)交互多模型算法(IMM)的基礎(chǔ)上，展開(kāi)對(duì)機(jī)動(dòng)目標(biāo)跟蹤算法的研究。
　　首先，本文概括了機(jī)動(dòng)目標(biāo)跟蹤的基本原理，介紹了常用的目標(biāo)運(yùn)動(dòng)模型。然后在卡爾曼濾波的基礎(chǔ)上重點(diǎn)研究了擴(kuò)展卡爾曼濾波(EKF)和無(wú)跡卡爾曼濾波(UKF)這兩種主要的非線

2、性濾波算法。并設(shè)計(jì)出目標(biāo)機(jī)動(dòng)運(yùn)動(dòng)場(chǎng)景，仿真對(duì)比分析了EKF算法和UKF算法的機(jī)動(dòng)目標(biāo)跟蹤性能，為后文的改進(jìn)算法提供了理論依據(jù)。
　　其次，為了適應(yīng)目標(biāo)的機(jī)動(dòng)變化，在IMM算法原理及優(yōu)缺點(diǎn)進(jìn)行分析的基礎(chǔ)上，將IMM算法分別與EKF和UKF這兩種非線性濾波算法結(jié)合，研究并設(shè)計(jì)了基于擴(kuò)展卡爾曼濾波的交互多模型算法(IMM-EKF)和基于無(wú)跡卡爾曼的交互多模型算法(IMM-UKF)。針對(duì)目標(biāo)勻速和轉(zhuǎn)向運(yùn)動(dòng)的運(yùn)動(dòng)場(chǎng)景，分別對(duì)EKF、UKF、

3、IMM-EKF和IMM-UKF四種目標(biāo)跟蹤算法進(jìn)行仿真分析。與傳統(tǒng)算法相比，基于非線性濾波的IMM算法提高了機(jī)動(dòng)目標(biāo)的跟蹤精度。
　　最后，為提高模型概率的準(zhǔn)確率，研究了已有的基于模型概率修正的交互多模型算法(SIMMP)，分析了該算法模型概率的修正過(guò)程，并根據(jù)基于將當(dāng)前協(xié)方差信息引入模型概率的思想，本文提出了一種基于協(xié)方差矩陣修正概率的交互多模型算法(MIMMP)，并對(duì)此算法與IMM算法和SIMMP算法進(jìn)行仿真對(duì)比分析，證明了本