基于自适应 CS 模型的 IMM 算法

摘要：

目标运动状态的改变将导致目标跟踪算法精度降低或发散。为了提高机动目标跟踪的跟踪性能，首先，针对当前统计（current statistical，CS）模型中最大加速度固定设置导致模型误差增大的问题，提出了一种自适应 CS 模型；在自适应 CS 模型和交互式多模型（interacting multiple model，IMM）的基础上，提出了一种交互式多自适应模型（interacting multiple adaptive model，IMAM），该模型通过采用两个自适应 CS 模型，能够有效消除目标状态突变造成模型误差急速增大的问题，提高了模型的准确度和适应性。其次，在 IMAM 的基础上，结合修正卡尔曼滤波（amendatory Kalman filter，AKF）的思想，提出了 IMAM-AKF 算法，该算法通过修正最终的状态融合估计值，有效地降低了目标机动造成的模型误差，进一步提高了机动目标跟踪的性能。最后，结合自适应渐消卡尔曼滤波（adaptive fading Kalman filter，AFKF）的思想，提出了 IMAM-AFAKF 算法。仿真结果表明，无论是强机动还是弱机动，IMAM-AFAKF 算法都具有较好的跟踪性能。

关键词：机动目标跟踪、目标运动状态改变、模型误差、当前统计模型、交互式多模型

所属期刊栏目：38

分类号：TP273(自动化技术及设备)

资助基金：航空科学基金20145596025资助课题

在线出版日期：2016-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：977-983