基于IMM模型的目标跟踪算法.pdf

《基于IMM模型的目标跟踪算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·智能控制技术·翟海涛基于IMM模型的目标跟踪算法61基于IMM模型的目标跟踪算法翟海涛(中国电子科技集团公司第二十八研究所，江苏南京210007)摘要：在机动目标跟踪方法中，为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低，采用基于交互式多模型(IMM)的自适应机动目标跟踪算法，通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上，将基于CV和“当前”统计模型的IMM算法应用在某导航雷达跟踪系统中，经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。关键词：IMM；目标跟踪；点迹处理；机动目标中图

2、分类号：TP311文献标识码：A文章编号：1672—1616(2010)13—0061—03在现代目标跟踪系统中，对于运动模型基本不法包含了多个滤波器(各自对应着相应的运动模改变的运动目标，即系统的状态转移方程和观察方型)、1个模型概率估计器、1个交互式作用器和1程都是线性的，那么在线性最小均方误差个估计混合器，在考虑多个模型交互作用的基础上(LMMSE)的意义下，采用口～滤波、Kalman滤得出目标的状态估计。本文将基于“当前”统计模波等线性滤波算法可以得到良好的滤波效果。但型的IMM模型算法应用于某导航雷达数据系统，是对于机动目标跟踪，由于其运动状态的不

3、确定实验表明该算法能稳定跟踪匀速运动或者是机动性，很难用运动模型去描述。因此，需要用多个模目标，并降低了均方误差值。型来描述其运动状态。目前存在的机动目标跟踪算法有：基于Bayes估计的Kalman滤波；基于序贯1IMM模型算法蒙特卡洛的Bayes滤波算法——粒子滤波；基于多IMM算法是目前混合估计算法中性能与计算个运动模型的交互式多模型算法(IMM)。考虑到量较理想的方法。设r个模型的IMM算法如图1^算法复杂度、存储量和工程应用的需求，IMM算法所示。图1中，X(kik)为基于r个模型基础上的得到了较为广泛的应用。^状态估计；(足Ik)(=1，2，⋯，r

4、)为模型的状IMM算法是在广义伪贝叶斯算法基础上提出态估计；A(忌)为模型可能性向量；(k)为模型概的一种具有Markov转移概率的交互式多模型(In—^teractingMultipleModel，IMM)算法【卜2I。．这种算率向量；(k一1lk一1)为(k一1)时刻第个滤波图1IMM算法原理图收稿日期：2010—06—02作者简介：翟海涛(1976一)，男，江苏淮安人，中国电子科技集团公司第二十八研究所工程师，主要从事雷达数据处理工作。622010年7月中国制造业信息化第39卷第13期r^器的输出；xo,(忌一1I愚一1)为(忌一1l忌一1)交互e(k

5、Ik)=({(尼I忌)+[xj(kI足)一，作用的结果它作为志时刻滤波器的输入；z(愚)X(kI愚)][xj(尼I一x(kI)IT}(14)为志时刻的量测。离散时间状态方程为2IMM算法数据分析X(k+1)=f’(志)+wJ=1，2，⋯，r在IMM模型算法中，一般会采用多个模型。(1)本文中用CV模型来匹配做匀速直线运动的目标，式中：E是对应模型的过程矩阵；w是均值为而对于目标做机动运动时，采用“当前”统计模型来零、协方差矩阵为Q的白噪声序列。匹配。实验数据来自某导航雷达采集的点迹。模型．的测量方程为2．1点迹计算z(k)=H(愚)+(忌)(2)导航雷达具有

6、高分辨率的特点，得到的目标回式中：为模型J的观测矩阵；(志)为均值为零、波具有一定的不规则性，这给目标点迹中心的提取协方差矩阵为R的白噪声序列。带来困难。本文采用一种点迹凝聚技术来解决点IMM算法从(惫一1)时刻到忌时刻的递推如迹不稳定的问题，其流程如图2所示。下：a．输入交互。^r^(忌一1l忌一1)=(是一1I志一1)(k一1I一1)=1，2，⋯，r(3)P(志一1l忌一1)=(愚一1l忌一1){(忌一^^1I志一1)+[X(志一1I是一1)一(忌一1l一1)]×^^[X“i(忌一1l忌一1)一x(忌一1I忌一1)]T}(4)图2点迹计算流程llf(忌一

7、1l一1)=PtH(志一1)／c,(5)2．2输出交互计算c=ll(志一1)(6)本文IMM算法采用了2个滤波模型：a—^滤波和“当前”统计模型。设x(t)是目标航迹真b．对应于模型，以(志一1t七一1)、P(愚一值，x1(t)与x2(t)分别是2个滤波模型的航迹输1l忌一1)及Z(k)作为输入进行Kalman滤波处理。出结果，x(t)是交互后的航迹结果，即满足式预测：^^(15)：X(}一1)=F(忌一1I愚一1)(7)X(t)=alX1(t)+a2X2(t)(15)预测误差协方差：用x(t)来逼近X(t)，因此有(忌l忌一1)=(愚一1I志一1)+Q(8

8、)Kalman增益：E[x(t)]=x(t)(16)