基于交互多模型的機動目標跟蹤算法研究.pdf

1、隨著現(xiàn)代航運業(yè)的快速發(fā)展，水上交通形勢日趨嚴峻，船舶安全航行問題日益突出，從而對船舶跟蹤性能提出了更高的要求，特別是機動目標的穩(wěn)定跟蹤更為關鍵。為改善目標跟蹤可靠性，提高機動目標跟蹤精度。本文在傳統(tǒng)交互多模型算法(IMM)的基礎上，展開對機動目標跟蹤算法的研究。
　　首先，本文概括了機動目標跟蹤的基本原理，介紹了常用的目標運動模型。然后在卡爾曼濾波的基礎上重點研究了擴展卡爾曼濾波(EKF)和無跡卡爾曼濾波(UKF)這兩種主要的非線

2、性濾波算法。并設計出目標機動運動場景，仿真對比分析了EKF算法和UKF算法的機動目標跟蹤性能，為后文的改進算法提供了理論依據(jù)。
　　其次，為了適應目標的機動變化，在IMM算法原理及優(yōu)缺點進行分析的基礎上，將IMM算法分別與EKF和UKF這兩種非線性濾波算法結合，研究并設計了基于擴展卡爾曼濾波的交互多模型算法(IMM-EKF)和基于無跡卡爾曼的交互多模型算法(IMM-UKF)。針對目標勻速和轉向運動的運動場景，分別對EKF、UKF、

3、IMM-EKF和IMM-UKF四種目標跟蹤算法進行仿真分析。與傳統(tǒng)算法相比，基于非線性濾波的IMM算法提高了機動目標的跟蹤精度。
　　最后，為提高模型概率的準確率，研究了已有的基于模型概率修正的交互多模型算法(SIMMP)，分析了該算法模型概率的修正過程，并根據(jù)基于將當前協(xié)方差信息引入模型概率的思想，本文提出了一種基于協(xié)方差矩陣修正概率的交互多模型算法(MIMMP)，并對此算法與IMM算法和SIMMP算法進行仿真對比分析，證明了本