一種改進的機動目標(biāo)跟蹤算法.pdf

1、目標(biāo)跟蹤技術(shù)在現(xiàn)代軍事和民用領(lǐng)域占有十分重要的地位并有著廣闊的應(yīng)用前景,因此關(guān)于目標(biāo)跟蹤技術(shù)的研究與發(fā)展一直受到人們廣泛的關(guān)注。近年來,眾多國內(nèi)外研究者對此進行了深入的研究并取得了豐碩的成果。在目標(biāo)跟蹤系統(tǒng)中,交互式多模型(IMM)算法由于使用多個不同的運動模型匹配目標(biāo)不同的運動模式,且各模型之間存在交互,在目標(biāo)跟蹤系統(tǒng)中不僅可以提高跟蹤精度,還具有較高的效費比,因此受到較多的關(guān)注和重視。
　　 本文首先對目標(biāo)模型和跟蹤算法的研

2、究和發(fā)展作了回顧,分析了它們的特點和適用范圍。深入研究了基本的IMM算法,對其算法推導(dǎo)、數(shù)學(xué)描述、參數(shù)設(shè)計、應(yīng)用特點等問題做了討論總結(jié)。通過仿真驗證了多模型算法較之單模型算法,有更寬的跟蹤帶寬,能普遍適用于機動與非機動的情況。
　　 然后,針對高速高機動情況,對模型集的選取進行改進,選用了符合機動模式的兩種方法,即當(dāng)前模型和轉(zhuǎn)彎模型。對引入這兩種模型的IMM算法作仿真比較,分析了當(dāng)前模型機動頻率、最大加速度和轉(zhuǎn)彎模型轉(zhuǎn)彎率參數(shù)對

3、跟蹤效果帶來的影響。比較標(biāo)準(zhǔn)的IMM算法和引入當(dāng)前模型和轉(zhuǎn)彎模型的算法,得出引入當(dāng)前統(tǒng)計模型的IMM算法對各種機動均有較好的跟蹤效果,因此將其作為主要研究對象。
　　 最后,基于引入當(dāng)前模型的IMM算法,針對其不足,作下面幾個方面的改進:根據(jù)卡爾曼濾波殘差加權(quán)平方檢測方法來檢測目標(biāo)機動,利用一種機動頻率的自適應(yīng)函數(shù),實現(xiàn)對當(dāng)前統(tǒng)計模型的機動頻率參數(shù)的自適應(yīng)改進；對變結(jié)構(gòu)多模型(Variable Structure Multipl