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

1、目標(biāo)跟蹤是利用各種類型的傳感器獲得的關(guān)于目標(biāo)信息，對(duì)目標(biāo)的真實(shí)狀態(tài)以及未來的狀態(tài)進(jìn)行估計(jì)和預(yù)測(cè)的一門技術(shù)。目標(biāo)跟蹤技術(shù)在軍事以及民用等諸多領(lǐng)域里都有著廣泛的應(yīng)用。隨著電子技術(shù)以及計(jì)算機(jī)技術(shù)的進(jìn)步，各種新的技術(shù)與理論被應(yīng)用到目標(biāo)跟蹤領(lǐng)域中來，目標(biāo)跟蹤技術(shù)也逐漸的發(fā)展成為一門跨學(xué)科，跨行業(yè)，多層面的技術(shù)。
　　 目標(biāo)跟蹤技術(shù)研究的主要內(nèi)容是從傳感器中獲得的關(guān)于目標(biāo)的不精確的信息中，準(zhǔn)確的估計(jì)和預(yù)測(cè)到目標(biāo)的真實(shí)信息，因此需要各種濾波器

2、對(duì)收集到的數(shù)據(jù)進(jìn)行濾波處理?？柭?Kalman)濾波作為一種性能優(yōu)良的濾波算法，在目標(biāo)跟蹤領(lǐng)域里得到廣泛的應(yīng)用，但是濾波器是以一定的目標(biāo)跟蹤的模型為基礎(chǔ)的。因此目標(biāo)跟蹤的研究對(duì)象也主要包括跟蹤模型和濾波算法這兩個(gè)方面。在這兩個(gè)方面，國內(nèi)外的眾多學(xué)者對(duì)此進(jìn)行了深入的研究，并取得了較為豐碩的成果。作為一種新型的數(shù)據(jù)融合算法，交互式多模型(IMM)算法由于其優(yōu)良的跟蹤效果，較寬的跟蹤頻帶，在最近幾年得到了足夠的重視。國內(nèi)外對(duì)交互式多模型算法

3、的研究也主要集中在對(duì)模型交互，數(shù)據(jù)融合等方面。隨著模糊理論，神經(jīng)網(wǎng)絡(luò)等理論的研究的進(jìn)展和日漸成熟，這些理論也逐漸的應(yīng)用到了交互式多模型算法中來，很大程度上促進(jìn)了交互式多模型算法的進(jìn)展，本文也是主要在交互式多模型算法的基礎(chǔ)上開展研究工作。
　　 本文首先介紹了目標(biāo)跟蹤的基本原理以及一些基本的濾波算法等，其中重點(diǎn)的研究了最小二乘估計(jì)，α-β濾波，卡爾曼濾波，擴(kuò)展卡爾曼濾波等在濾波理論中應(yīng)用極為廣泛的濾波算法。通過對(duì)勻速目標(biāo)的跟蹤仿真

4、分析了卡爾曼濾波和α-β濾波器的跟蹤效果。其次介紹了目標(biāo)跟蹤領(lǐng)域里的一些典型的數(shù)學(xué)模型，重點(diǎn)介紹了應(yīng)用于非機(jī)動(dòng)情況下的CV，CA模型，以及應(yīng)用于機(jī)動(dòng)情況下的Singer模型，“當(dāng)前”統(tǒng)計(jì)模型，Jerk模型等。同時(shí)作為本文的重點(diǎn)研究內(nèi)容，文中較為詳盡的分析了交互式模型算法的基本原理。由于交互式多模型算法要增加算法的濾波帶寬就要添加較多的模型到模型集合中，但是過多的模型不但會(huì)增加算法的計(jì)算量，也會(huì)由于不同模型之間的競爭而導(dǎo)致算法的濾波精度下

5、降等問題的出現(xiàn)。為解決這一問題，本文從以下幾個(gè)方面入手，開展了一系列的研究工作。
　　 由于濾波算法是以一定的運(yùn)動(dòng)學(xué)模型為基礎(chǔ)的，模型的精確與否對(duì)跟蹤效果有著直接的影響。本文重點(diǎn)研究了應(yīng)用于非機(jī)動(dòng)情況下的CV，CA模型以及應(yīng)用于目標(biāo)機(jī)動(dòng)情況下的Singer模型，“當(dāng)前”統(tǒng)計(jì)模型，以及應(yīng)用于高機(jī)動(dòng)情況下的Jerk模型等目標(biāo)跟蹤領(lǐng)域里的一些經(jīng)典的數(shù)學(xué)模型。同時(shí)作為本文的主要研究內(nèi)容，文中重點(diǎn)的分析了交互式多模型算法的基本原理。交互式

6、多模型算法由于具有較寬的濾波帶寬，但是也存在著計(jì)算量過高，當(dāng)模型集合中的模型過多的時(shí)候會(huì)導(dǎo)致模型之間出現(xiàn)競爭，從而導(dǎo)致跟蹤效果變差。為了解決這一問題本文從以下幾個(gè)方面入手，開展了一系列研究工作。
　　 (1)由于目標(biāo)的機(jī)動(dòng)在很大程度上體現(xiàn)在目標(biāo)的加速度的波動(dòng)上，因此本文的研究工作也主要集中在提高對(duì)加速度的估計(jì)精度上?？紤]到“當(dāng)前”統(tǒng)計(jì)模型對(duì)加速度的跟蹤效果，但是該模型對(duì)于目標(biāo)低機(jī)動(dòng)時(shí)效果不佳，本文設(shè)計(jì)了一種采用最大加速度自適應(yīng)的

7、“當(dāng)前”統(tǒng)計(jì)模型進(jìn)行加速度的預(yù)估計(jì)。
　　 (2)為了達(dá)到工刪算法較寬的濾波帶寬，本文借鑒了變結(jié)構(gòu)的多模型算法，設(shè)計(jì)了一種基于模糊推理的變結(jié)構(gòu)的多模型算法。算法使用“當(dāng)前”統(tǒng)計(jì)模型進(jìn)行加速度的預(yù)估計(jì)選擇模型集合中的適當(dāng)模型進(jìn)行濾波處理，擯棄那些與運(yùn)動(dòng)模式不符合的模型，使得系統(tǒng)在實(shí)時(shí)性和濾波帶寬上取得較好的平衡。
　　 (3)最后為了驗(yàn)證改進(jìn)后的算法的效果，本文采用標(biāo)準(zhǔn)的IMM算法和改進(jìn)后的算法進(jìn)行了仿真分析。通過仿真結(jié)果