基于多模型（mm）的机动目标跟踪算法研究

《基于多模型（mm）的机动目标跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级硕士学位论文题目：基于多模型（MM）的机动目标跟踪算法研究英文并列题目：ResearchonManeuveringTargetTrackingAlgorithmsBasedonMultipleModels研究生：王美健专业：计算机科学与技术研究方向：人工智能与模式识别导师：吴小俊指导小组成员：学位授予日期：2016年6月答辩委员会主席：张曦煌江南大学地址：无锡市蠡湖大道1800号二○一六年六月独创性黄明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果？尽我所知，瞭了文中特别加ｋ乂标注和致谢的地方外，论文中不包含其他人色经发表或

2、撰写过的研究成果，也不包含本人为获得江南大学或其它教育机构的学位或证书而使用过的材料一王？与我詩作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。、、．（《、，签名：支曰额？Ｗ］关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定；江南大学有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，可＞乂将学位论文的全部或部分内容编入有关数据库进行检索，可＞乂采用影印、缩印或担描等复制手段保存、汇编学位论文，一致并且本人电子文档的内容和纸质论文的内容相。＇保密的学位论

3、文在解密后也遵守此规定。／＇签違：沈—导师签名：〇＼日期：＾摘要摘要机动目标跟踪作为目标跟踪领域中的一个挑战性问题，在民用与军事方面都有广阔的应用前景。故有关机动目标跟踪的研究与发展一直倍受关注，得到了国内外众多研究者的深入研究，且相应的成果也不断涌现。由于机动目标运动方式的多样性，使卡尔曼滤波、粒子滤波等单模型滤波算法不适于刻画其运动过程。这时，多模型算法以其对机动目标运动方式多变情形的较强适应性，解决了单模型滤波算法的不足，显著改善了跟踪精度。其中，交互式多模型(IMM)是最具代表性的多模型算法，具有较高的效费比与良好的跟踪性能，得到了较广泛的实际应用。

4、因此，本文主要研究用于机动目标跟踪的IMM算法，通过对算法进行一些相应的改进，使之能够更适应不同情况下的机动目标跟踪，如传感器接收数据时出现偏差、目标所处环境存在杂波干扰或系统的非线性情况等。本文的工作分为四部分，阐述如下：1.针对在传感器可能偏差的情况下进行机动目标跟踪，本文提出了一种新的交互式多模型算法,即IMM-ST-EV算法。该算法同时考虑传感器测量模型与目标运动模型这两类模型的多样性，以此处理传感器偏差性与目标机动情况。但由于考虑两类模型可能会造成模型过多而导致性能衰退，故结合扩展维特比(EV)算法以期望能有效缓解该问题，即新算法属于一种同时考虑两类模型的改进I

5、MM-EV算法。最后以仿真结果验证了算法的有效性，能够利用多模型特点同时解决传感器的偏差性与目标的机动性所带来的匹配问题。2.为了有效提高杂波环境中机动目标跟踪的精度，将标量交互式多模型(SIMM)算法与概率数据关联(PDA)算法结合以形成SIMMPDA算法。其中，PDA算法能够有效处理杂波环境下的数据关联与测量不确定性。SIMM算法处理运动模型间的切换，并且在线性最小方差意义下获得目标的最优状态估计。而考虑到由于杂波的干扰导致各时刻的匹配模型占优程度不明显的问题，故再对各时刻SIMMPDA算法所得的后验模型概率进行相应的修正操作，最后得到一个基于模型概率修正的SIMMP

6、DA算法，即为M-SIMMPDA算法。仿真结果表明，所提算法的跟踪精度得到一定程度的提高。3.针对在非线性条件下机动目标的跟踪问题，在此提出了一种增广交互式多模型容积卡尔曼滤波(AIMMCKF)算法。该算法是将交互式多模型容积卡尔曼滤波(IMMCKF)应用到一个非线性状态增广系统，从而获得固定延迟平滑状态估计。同时，为了解决所用模型集中的不同模型可能属于不同状态空间的问题，采用相应的增广转换操作，使各模型对应的状态及协方差在交互混合与融合阶段处于相同状态空间，保证算法能够正常进行。仿真结果表明，与传统非线性跟踪算法相比，所提算法在机动目标跟踪方面有着更高的精度与更强的适应

7、性。4.为了有效提高非线性情况下多传感器对机动目标的跟踪性能，提出了标量权重交互式多模型容积信息滤波（SIMMCIF）和对角矩阵权重交互式多模型容积信息滤波（DIMMCIF）两种新算法。算法先为传统的容积信息滤波(CIF)算法提供一种新的全局信息融合方式，使之能够有效扩展到多传感器数据融合，并将所得到的新CIF算法分别嵌I摘要入到SIMM算法与DIMM算法的框架内。其中SIMM与对角矩阵权重交互式多模型（DIMM）算法用于处理运动的机动性，并在线性最小方差意义下获得目标的最优状态估计。而CIF通过使用一组等权重的容积点集解决贝