本文關鍵詞：群目標跟蹤自適應IMM算法　出處：《哈爾濱工業(yè)大學學報》2016年10期 　論文類型：期刊論文

  更多相關文章： 群目標 模型轉換概率 強跟蹤 質心狀態(tài) 擴展狀態(tài)

【摘要】：為提高對機動群目標在高量測誤差下的跟蹤性能,提出了一種自適應IMM群目標跟蹤算法.首先,在群質心狀態(tài)估計中,引入帶有多重次優(yōu)漸消因子的強跟蹤濾波算法,提高機動階段時對群質心狀態(tài)估計的精度.其次,在擴展狀態(tài)估計中,考慮量測精度對于擴展狀態(tài)的影響,將量測誤差和擴展狀態(tài)同時納入到量測似然函數的構建中,應用新息計算和漸消記憶迭代過程自適應更新量測誤差協方差矩陣.最后,通過quasi-Bayesian方法自適應更新模型轉換概率,利用量測數據修正模型轉換概率,抑制非匹配模型作用,放大匹配模型作用,實時匹配跟蹤模型與目標運動狀態(tài).仿真實驗結果表明,該方法有效提高了對群質心狀態(tài)和擴展狀態(tài)的估計精度.
[Abstract]:In order to improve the tracking performance of maneuvering group targets with high measurement error, an adaptive IMM group target tracking algorithm is proposed. A strong tracking filtering algorithm with multiple suboptimal fading factors is introduced to improve the accuracy of mass center state estimation in maneuvering phase. Secondly, the effect of measurement precision on extended state is considered in extended state estimation. The measurement error and the extended state are incorporated into the construction of the measurement likelihood function at the same time, and the measurement error covariance matrix is updated adaptively by using the innovation calculation and the iterative process of fading memory. Finally. The model transformation probability is updated adaptively by quasi-Bayesian method, and the model transformation probability is corrected by measuring data to suppress the effect of non-matching model and amplify the function of matching model. The simulation results show that the proposed method can effectively improve the estimation accuracy of group centroid state and extended state.
【作者單位】： 空軍工程大學防空反導學院;
【基金】：國家自然科學基金(61501495)
【分類號】：TN713
【正文快照】： 群目標跟蹤場景,如機群編隊和地面移動車隊,一系列擁有類似運動方式的空間臨近目標組成跟蹤對象.在群目標跟蹤問題中,群目標的量測數目是時變的,傳統(tǒng)多目標跟蹤算法難以實現對群目標的穩(wěn)定跟蹤[1].文獻[2]按照群內目標數目將群目標跟蹤分成兩類:大群目標跟蹤和小群目標跟蹤.其

【相似文獻】

相關期刊論文 前3條

1 戴曉強;劉維亭;朱志宇;;基于模糊自適應IMM算法的機動目標跟蹤方法[J];船舶工程;2007年03期

2 王志敏,肖衛(wèi)初;機動目標跟蹤中IMM算法的性能分析[J];湖南城市學院學報;2003年06期

3 ;[J];;年期

，

本文編號：1405502