模型关系有向图辅助下的KL-VSIMM目标跟踪算法

为提高交互多模(Interacting Multiple Model,IMM)算法模型选择的灵活性,减少模型间的竞争,提出一种变结构交互多模(Variable-Structure Interacting Multiple Model,VSIMM)算法。在IMM算法的基础上计算当前各模型的KL值,并作为参考量评估模型与目标当前运动模式的接近程度,计算出与目标运动模式相似度较高的模型;借助模型关系有向图激活其在加速度空间上的邻近模型,同时剔除匹配程度最低的模型以实现模型集的自适应切换,形成KL-VSIMM算法。仿真结果表明,KL-VSIMM算法在状态估计质量和模型识别能力上均表现出了很好的性能。

拦截弹状态变结构交互多模滤波估计方法

针对弹道导弹自主探测和机动突防技术中对拦截弹状态估计精度的要求,提出了一种变结构交互式多模型滤波算法(VSIMM)。通过引入拦截弹的多种机动模型并采用依概率准则的方法进行交互计算,使滤波估计结果迅速收敛,同时对拦截弹的机动状态进行检测,合理调整参与交互计算的模型个数,使滤波估计模型与拦截弹的真实机动运动情况相近。仿真结果表明,变结构交互式多模型滤波方法能根据拦截弹的飞行状态自适应地调整滤波估计模型,滤波的精度较高。

机动目标跟踪算法

针对复杂的机动目标跟踪问题,介绍了机动目标运动状态模型和固定结构的交互多模型(Interacting Multiple Model,IMM)滤波算法。在IMM基础上引入变结构思想,提出了一种基于序列似然比的变结构交互多模型(Variable Structure IMM,VSIMM)算法。通过实例仿真比较证明了该算法的有效性。

一种新的航迹与量测互联技术

为了同时解决存在于航迹与量测互联问题中的两种不确定性 :目标运动和量测源的不确定性 ,本文提出一种基于BP的变结构交互式多模型 2 D互联技术。首先 ,采用全局 2 D分配算法确定量测与目标的分配问题 ,确定量测序列 ;其次 ,提出一种元模式的概念 ,采用离散小波变换 ,将目标量测序列映射到目标模式序列 ,从而由BP神经网络对目标运动模型对应的概率进行估计 ,再利用变结构的交互式多模型进行目标滤波估计。初步实验结果表明 :本文提出的技术能较好地解决密集目标。

基于高机动目标跟踪的改进变结构IMM算法

传统交互式多模型(interacting multiple model,IMM)算法在跟踪高机动目标时存在模型集合和真实系统模式匹配欠佳所导致状态估计质量下降的问题.基于变结构的思想及图论的知识,结合协方差匹配技术提出了一种补偿式变结构交互式多模型算法(compensation variable structure interacting multiple model,CPVSIMM).针对目前对直线加速状态估计问题,传统变结构交互式多模型(variable structure interacting multiple model,VSIMM)模型集多采用角速度作为模型特征参数造成对其估计性能欠佳的情况,所提算法联合加速度和角速度作为模型参数,并建立了模型集合间的有向图连通关系及模型子集自适应调整原则.理论分析与对比仿真表明:本算法融合估计结果的精度更高,同时能在一定程度上减小由于模型集匹配欠佳及切换不及时所导致的机动累积误差.

基于机动判别的变结构交互多模型跟踪算法

临近空间高超声速机动目标具有高速、高机动的运动特性,协同转弯模型是跟踪临近空间目标的常用模型之一。基于协同转弯模型的自适应网格交互多模型(adaptive grid interaction multiple model,AGIMM)算法能够较好地适应临近空间高超声速目标运动特性,但AGIMM算法存在着依赖中心网格模型,非机动时刻模型集收敛缓慢的问题,基于此提出了一种基于机动判别的变结构交互多模型算法。所提算法根据目标机动特性调整跟踪模型集的结构及模型概率转移矩阵,加快了非机动时刻模型集的收敛速度,克服了AGIMM算法存在的问题。通过蒙特卡罗仿真验证,改进的算法相对于AGIMM算法提高了对临近空间高超声速目标的跟踪性能。