交互式多模型算法改进视觉惯性定位技术

针对目前使用优化方法构建的视觉惯性数据融合模型尚未充分考虑实际复杂性,导致无法准确模拟复杂的实际状态的问题,提出一种交互式多模型(IMM)算法改进视觉惯性定位技术:指出相较于传统滤波方法,优化的视觉惯性融合定位技术具有更高的估计精度,并且在计算效率上能够与滤波方法媲美,这得益于雅可比矩阵和海塞矩阵的稀疏性特征;然后给出将交互式多模型算法与优化算法相结合的方法,利用IMM能够有效模拟单个目标在多种情景下的状态的特点,通过模型概率实时分配惯性数据和视觉数据的置信度,改进优化算法,从而提高位姿估计精度。实验结果表明,相比基于旋转不变特征点的实时定位构图系统第三代(ORB-SLAM 3)算法,该方法对定位精度的均方根(RMS)误差性能可提升17%。

改进的模型集自适应变结构多模型算法

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。

用于机动目标跟踪的多模型算法进展

对多模型算法的发展过程进行了简单的回顾和评述 ,通过分析固定结构多模型算法的局限性 ,得出变结构多模型算法的使用时机。

基于变维交互式多模型算法的近区目标跟踪研究

雷达数据处理中的一个关键部分是目标跟踪,它负责对目标的点迹进行滤波,降低噪声影响。交互式多模型算法是一种基于广义伪贝叶斯算法的具有马尔科夫转移概率的多模型算法。它可以用多个模型匹配目标的不同机动模式,避免了单模型不能全程匹配带来的模型误差。近区目标往往具有较大的角速度和角加速度,模型集里包含角速度分量可以更好的匹配其机动形式。于是在交互式多模型的基础上提出了一种变维交互多模型算法,可以对不同维度的模型集进行交互滤波,以取得更好的跟踪精度。

交互式多模型算法性能分析

广泛应用于目标跟踪和故障诊断的动态多模型估计 (SMME)假设模式的切换服从马尔可夫过程 .对马尔可夫切换概率 (MTP)的非MonteCarlo分析有助于深入了解SMME的机理 ,发现参数寻优的法则 ,设计或发展新的自适应多模型估计器 .然而由于SMME的复杂性 ,非MonteCarlo分析很难给出 .本文针对SMM中著名的交互式多模型 (IMM)估计器 ,通过将IMM看作是输入交互和子滤波器串联 ,分析了具有m个参数的MTP矩阵 ,给出了六条不依赖于应用环境及子滤波器设计的结论 .部分结果也适用于一阶广义伪贝叶斯算法 (GPB1) .

具有参数自适应的交互式多模型算法

动态多模型估计 (SMME)广泛应用于结构和参数的不确定 /变化的估计问题中 ,比如目标跟踪和故障诊断与隔离 .然而由先验信息选定的滤波参数是模式切换与模式未切换情况下的折衷 .针对SMME ,本文通过在每个滤波循环开始处起始多个状态预测器实时地辨识滤波参数 ,包括模式切换概率和基于模型的过程噪声方差 .考虑到交互式多模型 (IMM)是SMME中比较有效的方法 ,我们将上述的参数辨识与IMM相结合 ,提出了一种自适应IMM(AIMM ) .在跟踪一个机动目标的仿真中 ,AIMM表现出了比IMM更高的估计精度 .

交互式多模型算法的模型集设计

针对交互式多模型(IMM)算法中模型集的设计问题,提出一种模型集设计方法.在已知真实模式概率分布函数的情况下,根据要求的模型数目,等概率划分模式空间,在每个等概率模式空间上,利用方差的含义获得最大范围地覆盖模式空间的模型集,并给出一个例子说明模型集的设计方法.应用Monte-Carlo仿真,将所设计的模型集用于IMM算法进行目标跟踪.仿真结果显示跟踪精度高,表明了该模型集设计方法的有效性.

交互式多模型算法过渡过程的仿真分析

交互式多模型(IMM)是混合估计理论中比较优越的算法。混合系统假设模式的切换能够瞬时完成。然而由于量测噪声和滤波系统惯性的作用,混合系统的模式切换具有过渡过程,对于实际运动模式切换存在漏检与误报。本文利用Monte Carlo仿真分析了两模型IMM算法过渡过程的滤波残差的统计特性,研究结果对于分析和改进算法具有重要的意义。

基于“当前”统计模型的交互式多模型算法

提出了一种基于"当前"统计模型的交互式多模型算法。在交互式多模型算法框架内,计算"当前"统计模型的概率,自适应地调整"当前"统计模型中目标加速度,使其能够反映目标的机动特性,充分发挥了"当前"统计模型和交互式多模型算法的优点,扩大了"当前"统计模型的应用范围,提高了"当前"统计模型的自适应性。Monte Carlo仿真结果表明了该算法的有效性。

两级交互式多模型算法

在混合估计中 ,交互式多模型滤波器 ( IMM—— Interacting Multiple Model)以其优越的性能而受到广泛的研究 .由于马尔可夫参数的限定 ,交互式多模型在模型数较多时会出现精度下降 ,从而限制了它在高维参数空间建模的有效性 .利用模型集的概念 ,首次提出了双马氏过程的模型切换假设 ,从而构造出一种两级交互式多模型滤波器 .通过辨识系统噪声的多个统计参数比较了两级交互式多模型滤波器与常规交互式多模型滤波器 .结果表明 :对于大信噪比信源 (即小的量测噪声 ) ,两级交互式多模型滤波器与常规交互式多模型滤波器性能基本相当 ;而对于小信噪比信源 (即大的量测噪声 ) 。

一种基于多模型算法的纯弹道式弹道落点预报方法

本文以落点预报技术在弹道目标预警中的应用为背景,主要解决在未知弹道系数情况下如何进行弹道目标落点精确预报的问题。为此,本文给出了一种基于交互式多模型算法(IMM)和无迹滤波(UF)算法的精确弹道目标落点预报方法,从弹道系数估计收敛速度和最终收敛精度的角度对该方法落点预报的时效性和精度进行了分析,同时还分析了雷达数据率对算法性能的影响。与基于单一的UF算法或推广卡尔曼(EKF)滤波算法的落点预报方法相比较,基于IMM-UF的落点预报方法具有更强的适应性,能在未知弹道系数的情况下更迅速且更精确地估计出目标的弹道系数,从而实现对弹道目标落点更快更准的预报。仿真结果验证了该算法的有效性。

交互式多模型算法中模型集选择的分析研究

分析研究了交互式多模型算法中的模型集的选择问题。首先,从理论上对模型集选择进行了分析,讨论了模型集中不匹配模型对轨迹预测性能的影响,并提出一种自适应(ACT)模型集;然后通过仿真试验,验证了模型集选择的理论分析,并证明了交互式多模型算法采用自适应(ACT)模型集的优越性。

交互式多模型算法在光电跟踪控制系统中应用的仿真

分析目标运动参数滤波算法在光电跟踪控制系统中的作用,在交互式多模型算法的基础上,提出了该算法在光电跟踪控制系统中的应用问题,并建立了在光电跟踪控制系统中使用的仿真模型,通过仿真环境下光电跟踪控制系统对不同目标跟踪的数据分析可知,该算法可作为光电跟踪控制系统中复合控制前馈数据的获取算法使用,光电跟踪控制系统采用交互式多模型算法比采用α-β-γ滤波算法更适合对机动目标的跟踪。

具有最优模型传递矩阵的交互式多模型算法

在传统的交互式多模型(IMM,interacting multiple model)算法中,描述模型马尔科夫切换过程的模型传递矩阵被定义成一个常值矩阵,并且将子滤波器间的相关性信息遗漏.然而,由于实际环境的复杂性,传统的IMM算法无法满足飞行器跟踪的需求.为此,提出一种具有最优模型传递矩阵的交互式多模型(OMTM-IMM,optimal mode transition matrix IMM)算法,该算法在考虑子滤波器相关性的前提下,以线性最小方差理论为基础,推导出最优的模型传递矩阵,该传递矩阵更加符合实际情况,理论分析和仿真实验表明该算法有效地提高了飞行器跟踪精度.

跟踪机动目标的多模型算法进展

对多模型算法的发展过程进行了回顾和评述。分析了固定结构多模型算法的局限性。在变结构多模型算法的实现方法中 ,介绍了激活有向图方法、自适应网格方法和有向图切换方法。

交互多模型算法的无人机控制系统故障诊断

交互多模型算法是一种广泛用于各种结构与参数变化的动态系统自适应估计的有效方法。在建立无人机控制系统传感器和执行器的全局故障和局部故障模型的基础上,应用此方法对传感器和执行器的各种软硬故障进行诊断,应用所建立的数学模型与方法,对无人机传感器和执行器的局部与全局故障进行了仿真计算。在仿真过程中发现,与一般的多模型方法相比,此方法能够更加准确可靠地诊断故障,无延迟报警,算法简单。仿真结果验证了该方法的有效性。

基于多传感器信息融合理论的交互式多模型算法

在经典的交互式多模型算法中,对似然函数的高斯近似以及概率密度函数与概率质量函数的混合计算使得所求得的模型概率仅为贝叶斯意义下的次优值.为解决此问题,基于各滤波器估计误差的相关性和多传感器最优信息融合准则,提出了一种重新加权的交互式多模型算法.该算法通过计算估计误差的互协方差阵对模型概率进行更新,在此基础上利用最优信息融合理论对各滤波器的滤波结果进行融合.理论分析及仿真结果表明:经过重新加权的交互式多模型算法较原始算法以及其他忽略误差相关性的交互式多模型的改进算法在估计精度上均有显著的提高.

基于多模型算法的低空机动目标跟踪研究

针对地面防空警戒和跟踪雷达系统机动目标的跟踪,将适用于常速运动模式的常速模型,常加速运动模式的常加速模型和转弯运动模式的转弯模型组成模型集,使用交互式多模型算法对机动目标进行跟踪。仿真结果表明,其中的两种组合性能很好,不仅能够精确跟踪到低空机动目标的运动形态,而且具有很好的收敛特性和稳定性,具有一定的工程应用价值。

基于模型空间分解的交互式多模型算法

由于马尔可夫参数的限定 ,交互式多模型的估计精度会在模型数过多时下降。这限制了它在高维参数空间的应用。通过将交互式多模型建模空间分解 ,构造出一种两级交互式多模型算法。并通过辨识系统噪声的多个统计参数 ,比较了新算法与常规交互式多模型滤波器 。

基于模糊推理的改进的交互式多模型算法

为了提高交互式多模型算法的跟踪精度,提出一种利用模糊推理对交互式多模型算法进行优化的方法,以模型概率为输入,输出值为模型系统噪声协方差的系数,通过该系数来调节模型系统噪声协方差以减少误差;以基于卡尔曼滤波器的交互式多模型滤波器的应用为例,分别对交互式多模型算法在模型匹配和不匹配的情况进行实验分析,并对改进前、后的交互式多模型算法进行比较。结果表明,基于模糊推理的改进的交互式多模型算法能取得更好的跟踪效果。