一种新的机动目标跟踪的多模型算法.docVIP

第 29 卷第 3 期 2007 年 3 月 电 子 与 信 息 学 报 Journal of Electronics Information Technology Vol.29No.3 Mar. 2007 一种新的机动目标跟踪的多模型算法 范小军 刘 锋 (北京航空航天大学电子信息工程学院 北京 100083) 摘 要：采用带渐消因子的“当前”统计模型与匀速运动模型进行交互，设计了一种新的机动目标跟踪的交互式多 模型算法。“当前”统计模型具有对一般机动目标跟踪精度高的特点，通过渐消因子的引入增强了该模型对突发机 动的自适应跟踪能力，同时通过与 CV 模型的交互保证了对非机动目标的跟踪性能。仿真结果表明，在跟踪一般 机动目标时，其误差和“当前”统计模型与 CV 模型交互的 IMM 算法相当；在跟踪突发机动目标时，该文算法的 误差明显小于“当前”统计模型与 CV 交互的 IMM 算法。 关键词：机动目标跟踪；交互式多模型；卡尔曼滤波；强跟踪滤波器；“当前”统计模型 中图分类号：TN953 文献标识码：A 文章编号：1009-5896(2007)03-0532-04 A New IMM Method for Tracking Maneuvering Target Fan Xiao-jun Liu Feng (School of Electronic Information En gineering, Beihang University, Beijing 100083, China) Abstract: A new IMM algorithm for tracking maneuvering target is proposed, which uses a CS(Current Statistical) model with a fading factor and a CV(Constant Velocity) model for interaction. The CS model itself has a high precision when tracking common maneuvering target, its ability of tracking a sudden maneuvering target has been improved by introducing a fading factor of Strong Tracking Filter (STF), and the high precision to track non maneuvering targets can be ensured by interacting with the CV model. Simulation results show that, when there is only common maneuver the performance of the algorithm is the same with the IMM-CS/CV, when there is a sudden maneuver, the performance of this algorithm is much bett er than the IMM-CS/CV. Key words: Maneuvering target tracking; IMM(Interacting Multiple Models); Kalman filter; Strong Tracking Filter; “Current” Statistical(CS) model 1 引言 在目标跟踪领域，机动目标跟踪一直是个难点和重点问 题，原因在于很难建立精确的机动目标模型。在已有的动态 模型中，Singer模型[1]及对其改进的“当前”统计模型[2, 3]被认 为是目前对机动目标跟踪较为典型的模型。 由于目???实际运动的复杂性，难以单独采用一个模型来 描述目标的运动。为此，Bar-shalom和Blom等人在广义伪贝 叶斯算法的基础上, 提出了一种具有马尔可夫切换系数的交 互式多模型(IMM)滤波算法[4]，其中多个模型并行工作，模 型间以概率矩阵进行转移，目标状态估计是多个滤波器交互 作用的结果，该算法不需要机动检测，达到了全面自适应能 力，可以说IMM算法是目前机动目标跟踪中最有效的算法之 一。 IMM 算法只有在精确选取模型时才能取得良好的效 果[5-8]。在Bar-Shalom等人所做的工作中, 采用的大多数是匀 加速模型或Singer模型与匀速模型进行交互作用。Singer模 型把机动加速度描述成一个零均值的一阶马尔可夫过程。 “当前”统计模型则将