針對標準的交互式多模型算法（Interacting Multiple Model,IMM）存在模型集設計困難和采用固定轉(zhuǎn)移概率矩陣導致模型切換緩慢、跟蹤精度下降的不足,提出一種自適應轉(zhuǎn)移概率IMM算法.首先,提出了一種新的模型集設計方法,將強跟蹤修正輸入估計（Strong Tracking Modified Input Estimation,STMIE）模型和勻速運動（Constant Velocity,CV）模型作為IMM算法的模型集,利用STMIE算法對高機動目標的跟蹤能力以及CV模型對非機動目標跟蹤的高精度,實現(xiàn)對目標的全面自適應跟蹤.其次,提出一種依據(jù)模型似然函數(shù)值對Markov轉(zhuǎn)移概率進行實時修正的方法,增強匹配模型的作用,削弱不匹配模型的影響.仿真結(jié)果表明,依據(jù)模型似然函數(shù)修正轉(zhuǎn)移概率的方法使IMM算法的模型切換速度和跟蹤精度都得到提高,提出的IMM-STMIECV算法的跟蹤精度高于IMM-CVCA、IMM-CVCACT以及IMM-CVCS算法. 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 STMIE算法
    2.1 修正的輸入估計 (Modified Input Estimation, MIE) 算法
    2.2 強跟蹤多重漸消因子
    2.3 強跟蹤輸入估計算法濾波步驟
3 IMM-STMIECV算法及步驟
    3.1 IMM-STMIECV算法
    3.2 IMM-STMIECV算法步驟
4 轉(zhuǎn)移概率自適應修正算法
5 仿真校驗
    5.1 轉(zhuǎn)移概率自適應修正算法性能分析
    5.2 本文算法模型集設計性能分析
6 結(jié)論


【參考文獻】：
期刊論文
[1]時變轉(zhuǎn)移概率IMM-SRCKF機動目標跟蹤算法[J]. 郭志,董春云,蔡遠利,于振華.  系統(tǒng)工程與電子技術(shù). 2015(01)
[2]強跟蹤輸入估計概率假設密度多機動目標跟蹤算法[J]. 楊金龍,姬紅兵,樊振華.  控制理論與應用. 2011(08)
[3]基于自適應觀測模型交互多模型粒子濾波的紅外機動目標跟蹤[J]. 萬九卿,梁旭,馬志峰.  電子學報. 2011(03)
[4]基于粒子優(yōu)化的多模型粒子濾波算法[J]. 劉先省,胡振濤,金勇,楊一平.  電子學報. 2010(02)
[5]馬爾可夫參數(shù)自適應IFIMM算法研究[J]. 臧榮春,崔平遠.  電子學報. 2006(03)



本文編號：3677225