[发明专利]一种高机动目标跟踪算法

摘要

本发明公开了一种高机动目标跟踪算法。在有色噪声条件下建立目标运动模型和观测模型，采用基于交互多模算法（IMM）的卡尔曼滤波器对机动目标进行跟踪，并且在IMM算法中将加速度自适应调整的“当前”统计模型与CV、CA模型相结合，改善整体IMM算法性能，利用隐含在当前量测中的系统模式信息，在线实时计算马尔科夫转移概率，从而获得较准确的后验估计，提高模型融合的精度。

主权项

一种高机动目标跟踪算法，其特征在于步骤如下：1)建立系统基本运动模型，①根据残差d的变化进行机动辨识或者机动检测，②按照某一逻辑或准则调整滤波增益、协方差矩阵以及未知参数，并且实时辨识出目标机动特性，③由滤波算法得到目标的状态估计值和预测值，从而完成机动目标跟踪功能；2)量测噪声相关下的卡尔曼滤波器，考虑在量测噪声相关情况下的滤波估计问题，设立卡尔曼滤波器基本的信号模型是：X(k+1)＝Φ(k+1，k)X(k)+Γ(k)w(k)，Y(k)＝C(k)X(k)；观测模型是：Z(k)＝Y(k)+v(k)；3)建立交互多模IMM改进算法，在交互式多模型中第j个模型的系统方程和量测方程：Xj(k+1)＝Φj(k)Xj(k)+Γjwj(k)Zj(k+1)＝Cj(k+1)Xj(k+1)+vj(k+1)定义k时刻系统的模型状态转移概率矩阵Pij为： P ij ( k ) = Λ ij ( k ) P ij ( k - 1 ) Σ j Λ ij ( k ) P ij ( k - 1 ) 通过以上公式得到修正后包含了更准确的模型概率分布信息的Pij(k+1)，对交互多模型算法的交互输入进行调整时，以Pij(k+1)作为下一时刻的模型转移概率。