[发明专利]一种自适应交互式多模型的机动目标跟踪方法

摘要

本发明涉及在交通运输领域中车辆目标的机动跟踪。建立各模型混合初始化输入包括各模型的混合初始条件和混合初始状态的协方差矩阵；建立匀速（CV）和匀加速（CA）运动模型；更新是指根据Kalman滤波方程计算误差的协方差矩阵和新息；利用Kalman滤波结果中的新息构造目标运动模型的似然函数，计算马尔可夫状态转移概率矩阵；利用马尔可夫状态转移概率矩阵作为各运动模型之间切换的加权进行融合后的估计输出。本发明解决了传统的交互式多模型算法中存在的由于目标发生机动导致滤波模型与目标运动模型不匹配造成的误差增大或者失跟的问题，具有计算复杂度小，跟踪效果好的优点，可用于交通运输领域机动车的目标跟踪。

主权项

一种自适应交互式多模型的机动目标跟踪方法，其特征在于，包括以下步骤：步骤1：建立IMM跟踪模型中的各种模型混合初始化输入，包括各模型的混合初始条件和混合初始状态的协方差矩阵；步骤2：利用每个模型的混合输入，分别计算匀速运动模型和匀加速运动模型初始值；步骤3：根据Kalman滤波方程计算误差的协方差矩阵和新息计算估计更新；步骤4：利用基于新息的运动模型似然比函数，建立马尔可夫状态转移概率矩阵；步骤5：利用当前时刻获得的状态状态转移矩阵对模型条件估计进行融合，计算总体状态估计输出；所述步骤3具体步骤如下：对应于模型Mj(k)，以P0j(k‑1/k‑1)及Z(k)作为输入进行卡尔曼滤波处理，预测误差协方差矩阵表示为：卡尔曼滤波增益计算公式：卡尔曼滤波误差协方差矩阵计算公式：