交互式多模型Kalman濾波算法的研究

楊佳義

摘 要：現代雷達在進行目標跟蹤時常常采取卡爾曼濾波作為濾波方法，此種濾波方法只適用于單目標單一運動模型，對于高機動目標的預測結果往往不盡人意。因此文章針對高機動目標采用交互式多模型濾波方法。模擬三種運動方式，勻速，慢加速，快加速過程。采用三種不同運動模型對目標航跡進行濾波。并對真實航跡，觀測航跡，濾波航跡進行對比，并對此種濾波方法進行性能分析。

關鍵詞：卡爾曼濾波；交互式多模型算法；目標跟蹤；馬爾科夫過程

中圖分類號：TP391.4 文獻標志碼：A 文章編號：2095-2945（2019）01-0030-02

Abstract： Kalman filter is often used as a filtering method in modern radar target tracking. This filtering method is only suitable for single target and single motion model. The prediction results of high maneuvering target are often unsatisfactory. Therefore， the interactive multiple model filtering method is used for high maneuvering targets in this paper. Simulation of three kinds of movement， i.e.， uniform， slow acceleration， fast acceleration processes. Three different motion models are used to filter the target point trace. The real track， observed track and filtered track are compared， and the performance of this filtering method is analyzed.

Keywords： Kalman filter； interactive multiple model algorithm； target tracking； Markov process

1 概述

傳統(tǒng)的卡爾曼濾波算法采用狀態(tài)轉移方程和觀測方程，對目標進行動態(tài)估計。傳統(tǒng)卡爾曼濾波不需要知道運動模型就可對目標的狀態(tài)值進行修正。但是當目標突然進行機動（轉彎，加速）等，傳統(tǒng)卡爾曼濾波方法得到的結果往往差強人意。此時需要采用自適應算法。

而且單模型濾波算法需要先驗設定模型，但是在目標機動能力較強時，目標的運動模型運動參數變化很大，單模型算法很難及時準確的辨識機動參數導致跟蹤能力下降。

交互式多模型IMM是一種軟切換算法，最初由

H.A.PBLom于1984年提出，目前在目標跟蹤領域得到廣泛應用。這種算法在多模型算法基礎上，設定各個模型之間的轉移滿足已知轉移概率的馬爾科夫鏈，綜合計算考慮多個模型交互作用得到更精確的狀態(tài)估計。

2 交互式多模型Kalman濾波算法簡介

2.1 先驗信息

3 總結

交互式多模型算法輸出結果其實就是多個模型的濾波結果的加權融合，簡單來說其原理就是利用當前估計值的似然函數推導出當前濾波模型對當前運動狀態(tài)的適配程度u，以及每個濾波模型的濾波估計值。

將兩個值進行相乘，再將每個濾波模型遍歷此過程，再將其相加。得到最終融合值。

4 仿真分析

圖1表示進行五次蒙特卡羅仿真的真實值和觀測值的集合。黑色代表真實航跡，灰色代表模型濾波結果，可以看出本文采取的濾波方法基本可以較為精確的跟蹤上目標。

參考文獻：

[1]何友，修建娟.雷達數據處理及應用[M].北京：電子工業(yè)出版社，2009（09）：160-162.

[2]何友，王國宏.多傳感器信息融合及應用[M].北京：電子工業(yè)出版社，2007（11）：88-102.

[3]薄煜明，郭治.現代火控理論與應用基礎[M].北京：科學出版社，2013（02）：89-90.