针对非线性系统中的目标跟踪问题, 在机动转弯模型的基础上提出容积卡尔曼滤波(CKF)与自适应网格(AG)思想相结合的变结构多模型(VSMM)算法, 即基于CKF的自适应网格交互式多模型算法(CKF-AGIMM)。该算法将CKF作为滤波器, 利用网格中心和网格最小间距的调整对转弯模型集进行自适应变化以有效跟踪目标。与基于容积卡尔曼滤波的交互式多模型算法(IMMCKF)进行了仿真对比。实验结果表明, 在未增加运行时间的情况下, 该算法相比于IMMCKF算法有更高的跟踪精度与稳定性。
目标跟踪 容积卡尔曼滤波 自适应网格 交互式多模型 变结构多模型 target tracking cubature Kalman filter adaptive grid interacting multiple model variable structure multiple model
中航工业雷华电子技术研究所，江苏 无锡214063
有效使用道路信息能显著提高地面运动目标跟踪性能。针对复杂道路网运动目标跟踪，给出了一种道路约束下的滤波和建模方法。首先描述了道路网的数学模型和道路约束条件下的过程噪声修正方法，根据道路约束最大后验概率估计准则给出了一种路段切换时状态和协方差修正公式；接着提出一种根据目标当前所处路段自适应滤波模型生成的变结构多模型(VSMM)方法，有效减小道路运动目标的模型动态误差，提高跟踪性能。仿真结果证明了该算法的优越性能。
地面运动目标 目标跟踪 道路约束 变结构多模型 卡尔曼滤波 ground moving target target tracking road constraint VSMM Kalman filter
杭州电子科技大学通信信息传输与融合技术国防重点学科实验室, 杭州 310018
针对低空机动目标的声网络无源跟踪问题, 提出一种基于有向图切换的变结构多模型算法。首先, 将多个声传感器组网并对其时延的方位角数据进行配准, 改善无源声探测网络的融合性能。其次, 通过变结构多模型对目标状态进行估计, 并利用有向图切换方法对新激活的模型分配权重, 跟踪结果为多个模型估计结果的融合输出。通过与交互式多模型算法的仿真比较, 说明本文所提方法能更好的匹配目标运动规律, 有效降低计算复杂度, 提高跟踪精度。
有向图切换 变结构多模型 声网络 机动目标跟踪 digraph switch VSMM acoustic network maneuvering target tracking
杭州电子科技大学 自动化学院 信息与控制研究所，杭州 310018
在机动目标跟踪领域，传统的基于固定模型集合的交互式多模型算法需要大量的模型来保证模型不失配，但是会带来巨大的计算量，并且来自过多模型的不必要的模型间竞争反而会使算法性能下降。为解决此矛盾，该文提出了一种基于有向图切换和无味卡尔曼滤波算法的变结构多模型算法。该算法根据目标不同时刻的运动状态依据有向图匹配不同的子模型集合进行滤波。仿真结果显示该算法在有效降低计算量的同时使模型集合和目标的运动状态更好的匹配，从而提高了算法跟踪精度。
机动目标跟踪 变结构多模型 有向图切换 无味卡尔曼滤波 交互式多模型 maneuvering target tracking variable-structure multiple model digraph switch unscented Kalman filter interacting multiple model
