自适应转移概率交互式多模型跟踪算法

发布时间：2022-08-13 14:41

　　针对标准的交互式多模型算法（Interacting Multiple Model,IMM）存在模型集设计困难和采用固定转移概率矩阵导致模型切换缓慢、跟踪精度下降的不足,提出一种自适应转移概率IMM算法.首先,提出了一种新的模型集设计方法,将强跟踪修正输入估计（Strong Tracking Modified Input Estimation,STMIE）模型和匀速运动（Constant Velocity,CV）模型作为IMM算法的模型集,利用STMIE算法对高机动目标的跟踪能力以及CV模型对非机动目标跟踪的高精度,实现对目标的全面自适应跟踪.其次,提出一种依据模型似然函数值对Markov转移概率进行实时修正的方法,增强匹配模型的作用,削弱不匹配模型的影响.仿真结果表明,依据模型似然函数修正转移概率的方法使IMM算法的模型切换速度和跟踪精度都得到提高,提出的IMM-STMIECV算法的跟踪精度高于IMM-CVCA、IMM-CVCACT以及IMM-CVCS算法. 

【文章页数】：8 页

【文章目录】：
1 引言
2 STMIE算法
    2.1 修正的输入估计 (Modified Input Estimation, MIE) 算法
    2.2 强跟踪多重渐消因子
    2.3 强跟踪输入估计算法滤波步骤
3 IMM-STMIECV算法及步骤
    3.1 IMM-STMIECV算法
    3.2 IMM-STMIECV算法步骤
4 转移概率自适应修正算法
5 仿真校验
    5.1 转移概率自适应修正算法性能分析
    5.2 本文算法模型集设计性能分析
6 结论


【参考文献】：
期刊论文
[1]时变转移概率IMM-SRCKF机动目标跟踪算法[J]. 郭志,董春云,蔡远利,于振华.  系统工程与电子技术. 2015(01)
[2]强跟踪输入估计概率假设密度多机动目标跟踪算法[J]. 杨金龙,姬红兵,樊振华.  控制理论与应用. 2011(08)
[3]基于自适应观测模型交互多模型粒子滤波的红外机动目标跟踪[J]. 万九卿,梁旭,马志峰.  电子学报. 2011(03)
[4]基于粒子优化的多模型粒子滤波算法[J]. 刘先省,胡振涛,金勇,杨一平.  电子学报. 2010(02)
[5]马尔可夫参数自适应IFIMM算法研究[J]. 臧荣春,崔平远.  电子学报. 2006(03)



本文编号：3677225