運(yùn)動(dòng)目標(biāo)機(jī)動(dòng)檢測(cè)交互式多模融合跟蹤算法研究.pdf

1、隨著工業(yè)科技的進(jìn)步，運(yùn)動(dòng)目標(biāo)存在高機(jī)動(dòng)性，低檢測(cè)度的特點(diǎn)，對(duì)目標(biāo)跟蹤算法的機(jī)動(dòng)判斷、狀態(tài)估計(jì)精度、實(shí)時(shí)性提出更高的要求。目前，對(duì)于運(yùn)動(dòng)目標(biāo)跟蹤方面研究大都以基于KF的IMM算法開展。然而，IMM算法在濾波估計(jì)，模型集優(yōu)化和算法結(jié)構(gòu)方面依然存在不足，因此，本文針對(duì)運(yùn)動(dòng)目標(biāo)的機(jī)動(dòng)特性，研究運(yùn)動(dòng)目標(biāo)機(jī)動(dòng)檢測(cè)交互式多模融合跟蹤算法。
　　 首先，在濾波估計(jì)方面，針對(duì)KF增益矩陣計(jì)算運(yùn)算量大的問題，采用SS-KF并行濾波器，提出基于機(jī)動(dòng)檢

2、測(cè)理論的SS-IMM算法。SS-KF算法復(fù)雜度低，易于工程實(shí)現(xiàn)，SS-IMM算法在復(fù)雜度上有很大的降低，但過程噪聲對(duì)跟蹤性能影響較大。因此，引進(jìn)機(jī)動(dòng)檢測(cè)策略，結(jié)合不同過程噪聲下的SS-IMM算法，能有效降低運(yùn)算時(shí)間，提高跟蹤精度。
　　 其次，從模型集優(yōu)化和算法結(jié)構(gòu)調(diào)整出發(fā)，針對(duì)IMM算法使用固定模型集進(jìn)行跟蹤存在無效模型交互，以及采用標(biāo)量權(quán)值進(jìn)行模型概率更新引起計(jì)算溢出的問題，引入擴(kuò)展維特比方法，結(jié)合標(biāo)量權(quán)重矩陣思想，提出SI

3、MM-EV算法。SIMM-EV算法在解決無效模型交互問題的同時(shí)，集成了標(biāo)量權(quán)重矩陣可以彌補(bǔ)算法結(jié)構(gòu)缺陷的功能，能夠有效的提高機(jī)動(dòng)目標(biāo)跟蹤精度，尤其是速度跟蹤。
　　 最后，在MD-SS-IMM和SIMM-EV算法的基礎(chǔ)之上，通過算法融合的方式優(yōu)化跟蹤性能，加入機(jī)動(dòng)檢測(cè)策略判斷目標(biāo)運(yùn)動(dòng)狀態(tài)，根據(jù)機(jī)動(dòng)檢測(cè)結(jié)果實(shí)施算法切換，提出機(jī)動(dòng)檢測(cè)穩(wěn)態(tài)濾波多模型擴(kuò)展維特比的融合跟蹤算法。
　　 針對(duì)本文提出的三種算法，論文首先進(jìn)行相關(guān)算法