高速高机动目标IMM跟踪算法研究

论文摘要

目标跟踪问题无论是在军用还是民用方面都是广受关注的一个课题,随着现代航空航天技术的迅速发展,各种飞行器的运动速度及机动性变得越来越高,对高速高机动目标的可靠精确跟踪是一个关键的难点,而交互式多模型(Interacting Multiple Model,IMM)算法是一种很好的解决方案。因此本课题具有重要的研究价值和现实意义。首先本文对目标模型和跟踪算法的研究和发展作了回顾,分析了它们的特点和适用范围。深入研究了基本的IMM算法,对其算法推导、数学描述、参数设计、应用特点等问题做了讨论总结。通过仿真验证了多模型算法较之单模型算法,有更宽的跟踪带宽,能普遍适用于机动与非机动的情况。然后,针对高速高机动情况,对模型集的选取进行改进,选用了符合机动模式的两种方法,即当前模型和转弯模型。对引入这两种模型的IMM算法作仿真比较,分析了当前模型机动频率、最大加速度和转弯模型转弯率参数对跟踪效果带来的影响；比较标准的IMM算法和引入当前模型和转弯模型的算法,得出引入当前统计模型的IMM算法对各种机动均有较好的跟踪效果,因此将其作为主要研究对象。最后,基于引入当前模型的IMM算法,针对其不足,作下面几个方面的改进：根据卡尔曼滤波残差加权平方检测方法来检测目标机动,利用一种机动频率的自适应函数,实现对当前统计模型的机动频率参数的自适应改进；对变结构多模型(Variable Structure Multiple model,VSMM)算法作研究,并引入一种模型群切换算法,以减少参与计算模型的数量；引入了模糊算法,将加速度的在线估计值通过模糊模块得到自适应的最大加速度值,模型结构采用基于加权平方检测的模型群切换算法。最后综合上述变化得到改进的AVSIMM算法。对多条航路进行蒙特卡洛仿真的结果表明,AVSIMM算法对于高速高机动目标的跟踪效果明显有很大的提高,对工程应用有有益的参考价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景
• 1.2 机动载体运动模型的发展过程
• 1.3 机动载体运动状态估计算法的发展过程
• 1.3.1 线性滤波方法
• 1.3.2 非线性滤波方法
• 1.3.3 自适应滤波算法
• 1.3.4 交互式多模型算法
• 1.4 高速高机动目标跟踪研究现状
• 1.5 本课题的研究内容
• 1.6 论文的结构安排
• 2 机动载体运动的模型基础
• 2.1 常用模型分析
• 2.1.1 CV 和 CA 模型
• 2.1.2 协调转弯模型 （CT）
• 2.1.3 Singer 模型
• 2.1.4 "当前"统计模型
• 2.2 交互式多模型
• 2.2.1 混合系统
• 2.2.2 交互式多模型原理结构
• 2.3 机动检测
• 2.4 小结
• 3 机动载体运动状态估计的交互式多模型算法
• 3.1 IMM 算法原理
• 3.1.1 最优估计算法
• 3.1.2 IMM 算法分析
• 3.2 IMM 算法主要设计参数
• 3.2.1 模型集和参数的选择
• 3.2.2 状态变量的初始化
• 3.3 IMM 算法特性及其适应情况
• 3.3.1 IMM 算法特性
• 3.3.2 IMM 算法适用性
• 3.4 标准 IMM 算法仿真
• 3.5 小结
• 4 IMM 算法的改进
• 4.1 模型集的改进
• 4.1.1 引入当前统计模型的 IMM 算法
• 4.1.2 引入转弯模型的 IMM 算法
• 4.1.3 仿真分析
• 4.1.4 CS 模型机动频率的自适应改进
• 4.2 变结构多模型算法设计
• 4.2.1 变结构多模型方法基础
• 4.2.2 模糊变结构 IMM 算法设计及仿真
• 4.2.3 改进的 IMM 算法仿真
• 4.3 小结
• 5 结束语
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献