基于非線性濾波的交互式多模型算法



摘 要：為了使交互式多模型算法更好的應(yīng)用于非線性系統(tǒng)，將轉(zhuǎn)換測量卡爾曼濾波引進到交互式多模型算法中，通過建立IMMCVCACT模型進行仿真，仿真結(jié)果表明，相對于單模型結(jié)構(gòu)，引入轉(zhuǎn)換測量卡爾曼濾波算法明顯提高了跟蹤精度。

關(guān)鍵詞：非線性系統(tǒng)； 轉(zhuǎn)換測量卡爾曼濾波； 交互式多模型； 跟蹤精度

0 引 言

H.A.P.BIom等人提出的交互式多模型（IMM）算法[1]在多模型（MM）算法的發(fā)展過程中有著重要的意義，它是在偽貝葉斯算法的基礎(chǔ)上提出的。它具有較高的費效比和較好的跟蹤效果，可應(yīng)用于混合系統(tǒng)的估計問題，并且易于在計算機上實現(xiàn)。它的基本思想是：使用多個模型來匹配目標的不同運動形式，基于每個模型的濾波器獨立并行的工作，每個單獨的濾波器使用卡爾曼算法濾波，不同模型間的轉(zhuǎn)移概率是一個馬爾可夫鏈[23]，最終的濾波狀態(tài)估計由每個模型的濾波器加權(quán)輸出。

在機動目標跟蹤中，即使不太復(fù)雜的系統(tǒng)，一般都是非線性系統(tǒng)。對于非線性濾波，標準的Kalman濾波器不能直接使用，轉(zhuǎn)換測量卡爾曼濾波算法（Converted Measurement Kalman Filter，CMKF）被認為是目前解決此類問題較好的一種方法。轉(zhuǎn)換測量卡爾曼濾波算法是把極坐標系下的測量值經(jīng)坐標變換到直角坐標系中，用統(tǒng)計方法求出轉(zhuǎn)換后的測量值誤差的均值和方差，然后利用標準卡爾曼濾波器進行濾波。

在實際跟蹤問題上，由于目標運動的狀態(tài)方程在直角坐標系下可以方便地描述為線性的，而傳感器的測量值是在球（極）坐標系下給出的，此時測量值與目標狀態(tài)之間是非線性關(guān)系。所以，將轉(zhuǎn)換測量卡爾曼濾波引進到交互式多模型算法中，使其更符合實際。