10.3969/j.issn.1001-506X.2016.05.01
基于自适应 CS 模型的 IMM 算法
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。
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
38
TP273(自动化技术及设备)
航空科学基金20145596025资助课题
2016-06-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
977-983