基于交互多模型Kalman的无人集群跟踪优化算法

针对无人集群协同跟踪单个无人目标时面临的跟踪精度低以及目标航迹快速变换易丢失目标的问题,提出一种集群多智能体交互卡尔曼滤波预测融合算法(CIMMF),提高了集群对目标的跟踪精度。CIMMF算法将传统的交互多模型Kalman滤波(IMM)与极大似然估计(MLE)融合算法相结合,将每个参与跟踪的智能体上的电磁传感器坐标数据作为优化算法的输入,通过集群内IMM数据融合,得到若干组对目标的状态估计值,作为极大似然估计的样本值求出似然概率即状态估计权值,输出经带权融合处理的优化跟踪估计路径。实验仿真结果表明,CIMMF优化算法的预测误差均值(RMSE)比传统IMM算法误差均值小很多,跟踪精度和跟踪可靠性明显提高。