針對(duì)移動(dòng)目標(biāo)跟蹤過(guò)程中,傳感器感知信息存在噪聲以及運(yùn)動(dòng)軌跡突變導(dǎo)致目標(biāo)觀測(cè)失真甚至丟失的問(wèn)題,提出了一種擴(kuò)展卡爾曼濾波交互多模型算法（EKF-IMM）。該算法以交互多模型算法為主體,同時(shí)融入EKF算法做濾波處理,使得在目標(biāo)跟蹤過(guò)程中,不僅對(duì)目標(biāo)的不同運(yùn)動(dòng)狀態(tài)具有自適應(yīng)能力,同時(shí)還能對(duì)運(yùn)動(dòng)狀態(tài)中可能的非線性問(wèn)題做更好的處理,提高算法的魯棒性。仿真實(shí)驗(yàn)表明,EKF-IMM算法能很好得適應(yīng)多變的目標(biāo)運(yùn)動(dòng),與標(biāo)準(zhǔn)KF-IMM算法相比,該算法降低了噪聲對(duì)傳感器的干擾,提高了定位精度。 

【文章來(lái)源】：機(jī)械設(shè)計(jì)與制造. 2020年02期 北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【圖文】：

EKF-IMM算法流程圖

根據(jù)問(wèn)題的描述，建立三個(gè)采樣模型：非機(jī)動(dòng)模型、機(jī)動(dòng)模型1、機(jī)動(dòng)模型2。分別對(duì)應(yīng)三種運(yùn)動(dòng)：勻速運(yùn)動(dòng)、慢加速度運(yùn)動(dòng)、快加速度運(yùn)動(dòng)。假定非機(jī)動(dòng)模型噪聲為0，機(jī)動(dòng)模型1的噪聲為Q=0.01I，機(jī)動(dòng)模型2的噪聲為Q=0.07I�？刂颇Ｐ娃D(zhuǎn)換的馬爾可夫鏈P=[0.95 0.025 0.025;0.025 0.95 0.025;0.025 0.025 0.95]，觀測(cè)矩陣，初始模型概率u=[0.8,0.1,0.1]。在機(jī)動(dòng)情況下，EKF-IMM算法與KF-IMM算法對(duì)被測(cè)目標(biāo)跟蹤的運(yùn)動(dòng)曲線，如圖2所示。圖中顯示了兩種算法都能以真實(shí)軌跡為中心進(jìn)行波動(dòng)，模擬了噪聲對(duì)目標(biāo)跟蹤的影響，從圖上可以看出，不加入濾波算法的情況下，誤差比較大，跟蹤精度很低，EKF-IMM算法和KF-IMM算法都可以對(duì)目標(biāo)進(jìn)行跟蹤，證明了算法不僅在理論上能很好的對(duì)目標(biāo)進(jìn)行跟蹤，而且具有實(shí)際的可行性。運(yùn)動(dòng)曲線的局部放大圖，如圖3所示。對(duì)于EKF-IMM算法和KF-IMM以及不加濾波處理進(jìn)行了比較，圖中可看出不加濾波時(shí)，跟蹤精度很低。對(duì)EKF-IMM算法和KF-IMM算法進(jìn)行對(duì)比可知，EKF-IMM算法對(duì)于噪聲的濾波作用具有更好的效果。

在機(jī)動(dòng)情況下，EKF-IMM算法與KF-IMM算法對(duì)被測(cè)目標(biāo)跟蹤的運(yùn)動(dòng)曲線，如圖2所示。圖中顯示了兩種算法都能以真實(shí)軌跡為中心進(jìn)行波動(dòng)，模擬了噪聲對(duì)目標(biāo)跟蹤的影響，從圖上可以看出，不加入濾波算法的情況下，誤差比較大，跟蹤精度很低，EKF-IMM算法和KF-IMM算法都可以對(duì)目標(biāo)進(jìn)行跟蹤，證明了算法不僅在理論上能很好的對(duì)目標(biāo)進(jìn)行跟蹤，而且具有實(shí)際的可行性。運(yùn)動(dòng)曲線的局部放大圖，如圖3所示。對(duì)于EKF-IMM算法和KF-IMM以及不加濾波處理進(jìn)行了比較，圖中可看出不加濾波時(shí)，跟蹤精度很低。對(duì)EKF-IMM算法和KF-IMM算法進(jìn)行對(duì)比可知，EKF-IMM算法對(duì)于噪聲的濾波作用具有更好的效果。EKF-IMM算法和KF-IMM算法在橫坐標(biāo)的誤差，如圖4所示。從圖上可以看出，在進(jìn)行轉(zhuǎn)彎運(yùn)動(dòng)時(shí)，誤差均值會(huì)有一些波動(dòng)，但是波動(dòng)都不是很大，并且當(dāng)運(yùn)動(dòng)穩(wěn)定后，誤差均值又都會(huì)回到零點(diǎn)附近進(jìn)行波動(dòng)，不會(huì)出現(xiàn)發(fā)散的情況。

【參考文獻(xiàn)】：
期刊論文
[1]卡爾曼濾波在機(jī)載監(jiān)視系統(tǒng)中的應(yīng)用研究[J]. 王麗博,商建東.  機(jī)械設(shè)計(jì)與制造. 2011(09)
[2]一種噪聲背景下的雷達(dá)目標(biāo)識(shí)別方法[J]. 吳杰,周建江,朱劼昊.  系統(tǒng)工程與電子技術(shù). 2010(07)
[3]基于Kalman濾波的目標(biāo)軌跡預(yù)測(cè)[J]. 譚菊.  重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2009(05)
[4]一種模糊自適應(yīng)交互多模型算法[J]. 申斌,董朝陽(yáng),陳宇,王青.  系統(tǒng)仿真學(xué)報(bào). 2005(10)

博士論文
[1]無(wú)線傳感器網(wǎng)絡(luò)中定位跟蹤技術(shù)的研究[D]. 匡興紅.上海交通大學(xué) 2008

碩士論文
[1]交互多模型目標(biāo)跟蹤算法的研究[D]. 胡煒.東北大學(xué) 2010



本文編號(hào)：2916718