摘 要：針對地面機動目標跟蹤，提出了一種改進的交互式多模型算法，該算法在多模型中使用了基于新息的模型選取策略，解決了先驗知識缺失情況下的機動目標跟蹤問題。同時，基于新息的變化對“當前”統(tǒng)計模型進行改進，使之能夠自適應調(diào)整最大加速度的大小。改進后的算法有效地處理了對未知目標先驗知識不足的問題，更利于工程的實現(xiàn)。最后進行了Monte Carlo仿真，仿真結果表明所提出的算法保證跟蹤精度的同時能夠有更好的反應時間。

關鍵詞：機動目標跟蹤；卡爾曼濾波；交互式多模型算法

1 算法的模型集合

IMM算法需要對目標運動狀態(tài)模式有一個評估并選擇若干個恰當?shù)哪Ｐ?。文章設計的模型集合采用CV模型、“當前”統(tǒng)計模型和CA模型?！爱斍啊苯y(tǒng)計模型的過程噪聲同加速度的方差有著直接的聯(lián)系，因此系統(tǒng)的加速度的方差受到加速度的極限值Amax的影響，而該值又需要進行人為的設定，不同加速度極限值的大小對目標加速度的方差有著直接的影響，進而對系統(tǒng)的過程噪聲產(chǎn)生影響[5]。根據(jù)卡爾曼濾波的基本原理，當目標發(fā)生機動時，原有模型的不匹配會導致濾波新息的增加。因此可以將目標的新息作為算法的特定輸入?yún)?shù)，通過檢測到的新息的大小變化來實時地調(diào)整算法中的當前模型的最大加速度數(shù)值，從而進一步調(diào)整模型的過程噪聲。鑒于此，參考模糊控制的基本思想，以目標的新息作為一個算法的輸入?yún)?shù)，根據(jù)不同情況下新息的值來實時對最大加速度的值進行調(diào)整，進而優(yōu)化目標的過程噪聲。在本算法中目標的機動狀態(tài)使用新息來進行表述，設計出一個參數(shù)稱為目標的機動值？濁，算法工作過程中根據(jù)目標機動值的大小來設置對應于其所代表的目標機動狀態(tài)下的加速度最大值，進而調(diào)節(jié)目標的過程噪聲，經(jīng)過數(shù)學變換，在得到不同的機動值？濁之后便可以判定目標最大加速度的大小，從而進一步對系統(tǒng)的過程噪聲進行調(diào)節(jié)。為了避免跟蹤過程中一些多余的干擾和對算法復雜度的過度增加，本系統(tǒng)中將變換函數(shù)設置為階梯型函數(shù)。

2 改進的IMM算法

（1）初始化。初始化，包括初始狀態(tài)向量X0（0|0），初始協(xié)方差矩陣P0（0|0）。（2）各模型獨立并行濾波。通過坐標轉換，將量測到的角度信息和距離信息轉換到直角坐標系中進行處理。各模型之間相互獨立，采用去偏轉換測量卡爾曼濾波算法，得到每一時間節(jié)點的相應濾波數(shù)值。（3）基于新息變化判斷選擇相應的模型濾波結果計算輸出。

3 仿真分析

通過仿真實驗對上述的算法進行驗證，并與IMM算法進行比較。假設目標在三維空間的運動軌跡為：初始位置（5000m，5000m，30m），初始速度為（5m/s，5m/s，0m/s），地面目標在Z軸方向上的運動變化主要受到地勢的影響。目標在前5s做勻速直線運動，在之后15s內(nèi)做蛇形變速機動，接著10s內(nèi)做勻加速運動。采樣周期為20ms。原IMM算法中模型轉移概率和模型初始概率分別為：

仿真在Matlab 2012a版本中進行。

圖1-圖3分別為兩種算法在三個方向上的距離均方根誤差比較；表1為兩種算法在三個方向上的均方根誤差均值比較；表2為兩種算法的仿真時間比較。從圖1-圖3可以看出，在目標做勻速和勻加速運動時，兩種算法的跟蹤效果差別不大。當目標進行蛇形機動時，由于量測信息發(fā)生突變，量測噪聲變大，基于新息判斷的簡化IMM算法能夠更快的收斂。從表1中可以看出，基于新息判斷的IMM算法在濾波精度上略優(yōu)于IMM算法，表2中可以看出，基于新息判斷的IMM算法的反應時間明顯優(yōu)于IMM算法。

表1 50次蒙特卡洛仿真的位置均方根誤差均值

表2 兩種算法的仿真運行時間

從算法進行分析，改進后的算法中，通過新息的大小來調(diào)整機動值參數(shù)，根據(jù)不同機動值變化來調(diào)節(jié)模型中最大加速度的絕對值，進而改變模型的過程噪聲，在某一段范圍內(nèi)保持目標的最大加速度不改變，使得模型的過程噪聲不會發(fā)生頻繁的跳變，一定程度上提高了系統(tǒng)的穩(wěn)定性，保證了系統(tǒng)的精度。這表明，當先驗知識缺失或者發(fā)生錯誤時，該算法能夠有效的保證濾波跟蹤效果，且更易于工程實現(xiàn)。

4 結束語

通過對卡爾曼濾波中的新息參數(shù)的運用，對“當前”統(tǒng)計模型和IMM算法進行了改進，提出了基于新息判斷的IMM算法，解決了當缺少先驗知識時，IMM算法參數(shù)無法設置的問題。仿真結果表明，針對地面目標所提出的算法濾波精度與傳統(tǒng)IMM算法類似，但是提高了反應時間，降低了算法的實現(xiàn)要求。

參考文獻

[1]劉建書，李人厚，劉云龍.基于“當前”統(tǒng)計模型的交互式多模型算法[J].系統(tǒng)工程與電子技術，2008，30（7）：1351-1353.

[2]Wei Mei，Zhihua He，Guanhui Liang. Iterated Debiased Kalman Filter for Target Tracking with Converted Measurements[J].IEEE International Conference on Information Science and Technology，2012，4（12）：185-189.

[3]Mo Longbin， Song Xiaoquan，Zhou Yiyu，etal.Unbiased Converted Measurements for Target Tracking[J].IEEE Transactions on Aerospace and Electronic Systems，1998，34（3）：1023-1027.

[4]丁振，潘泉，張洪才.新息濾波交互式多模型噪聲辨識算法[J].電子學報，1997，25（5）：95-98.

作者簡介：徐貌夫（1989-），男，江蘇連云港人，南京理工大學碩士研究生，主要研究方向為目標跟蹤與信息融合。