一種改進的機動目標的IMM狀態(tài)估計算法.pdf

1、目標跟蹤在國防和民用領域均有著廣泛的應用。隨著飛行器機動性的提高，目標運動軌跡呈現(xiàn)出一定的復雜性、隨機性和多樣性。因此，研究機動目標跟蹤是一個在理論與應用中均具有挑戰(zhàn)性的課題。設計目標跟蹤系統(tǒng)的主要目的是可靠而精確地跟蹤目標，因此，對機動目標跟蹤問題進行理論和應用方面的研究，具有重大理論意義及工程應用價值。 當前對機動目標跟蹤的算法研究主要集中在交互式多模型（IMM）算法，它已被證明是目前混合系統(tǒng)估計算法中性價比最好的算法。經(jīng)典

2、IMM算法采用勻速模型（CV）和勻加速模型（CA），本文通過理論分析和仿真驗證，表明采用CV、CA和“當前”統(tǒng)計模型組成模型集的算法性能優(yōu)于經(jīng)典IMM。 另外，本文通過理論分析結(jié)合數(shù)字仿真結(jié)果，指出了采用CV、CA和“當前”統(tǒng)計模型的IMM算法存在的一些不足，并在此基礎上給出了相應的改進算法。 首先，IMM算法所選擇的模型精度會影響整體IMM算法的性能?！爱斍啊苯y(tǒng)計模型存在跟蹤弱機動目標精度低、加速度極值先驗固定、跟蹤范

3、圍小的缺陷。在IMM算法中將加速度極值不固定的“當前”統(tǒng)計模型與CV、CA模型相結(jié)合，能改善整體IMM算法性能。 其次，IMM算法馬爾科夫轉(zhuǎn)移概率是先驗確定的。本文充分利用隱含在當前量測中的系統(tǒng)模式信息，在線實時計算馬爾科夫轉(zhuǎn)移概率，從而獲得了較準確的后驗估計，提高模型融合的精度。 最后，經(jīng)典IMM算法只能處理測量噪聲和動態(tài)系統(tǒng)噪聲都是零均值獨立白噪聲下的航跡，但在實際工程中需要處理的數(shù)據(jù)往往是帶有一定相關性的有色噪聲而