基于數字圖像的自適應多機動目標模型跟蹤方法

劉鋼，王蓉暉

（1.空軍航空大學基礎部，吉林長春，130022；2.吉林建筑大學電氣與計算機學院，吉林長春，130018）

1 幾種典型的機動目標模型

1.1 辛格模型

1.2 當前狀態統計模型

其中a(t)為機動加速度當前均值，在每一采樣周期內為常數。

把上式帶入一階時間相關方程，可得：

將上式寫為狀態方程，即為機動目標“當前”統計模型：

1.3 階躍模型

W(k)和 V (k)是不相關的高斯白噪聲序列。F (k)為狀態轉移矩陣，表達式為：

2 Monte Carlo仿真實驗

在常加速度情況下，比較辛格模型和當前狀態統計模型，進行目標加速度估計。這里α=0.1，T=1s，a = 2 0 m /s2，時間是在 t = 0 ～100s，圖1中實線和離散點分別描繪的是當前狀態統計模型和辛格模型的加速度統計。辛格模型的均方根誤差為2.83，均值誤差為0.59；當前狀態統計模型的均方根誤差為1.95，均值誤差為-0.14。

如圖2所示，變加速機動不適合辛格模型。所以在這里比較了當前狀態統計模型和階躍模型。圖2是在變加速度情況下，進行目標加速度估計。如圖2中離散點描繪的是階躍模型的加速度統計，實線描繪的是當前狀態統計模型的加速度統計。階躍模型的均方根誤差為3.64，均值誤差為0.92，當前狀態統計模型的均方根誤差為2.86，均值誤差為-0.34。

圖1 常加速運動的目標加速度估計

圖2 變加速運動的目標加速度估計

下面比較了當前狀態統計模型和階躍模型。這里α=0.1，T= 1 s，如圖3中離散點描繪的是當前狀態統計模型的加速度統計，實線描繪的是階躍模型的加速度統計。階躍模型的均方根誤差為4.78，均值誤差為1.65；當前狀態統計模型的均方根誤差為6.23，均值誤差為-1.82。

通過目標的機動辨識，分辨出目標屬于勻速運動、勻加速度、變加速度等不同情況，來自適應地選擇不同適合的模型進行目標跟蹤，通過仿真試驗，采用該方法在勻加速轉為加速度階躍機動情況下，均方根誤差為3.92，小于僅采用當前統計模型或階躍模型的均方根誤差6.23和4.78，跟蹤精度得到改善。

圖3 階躍加速度目標的速度估計

3 結論

因為不同的機動目標模型對于不同的機動特性的目標表現出了各自的優越性，但何時采用何種機動目標模型進行機動預測與估算，發揮出各自模型的優勢，這是本文提出的主要論點，通過機動目標前幾次的檢測和速度、加速度目標測算，進行機動辨識，分辨出機動類別，通過選擇模型進行目標機動預測和類型判別達到目標跟蹤的目的，通過實驗表明通過此種方法的計算，跟蹤精度得到了較大提高。