針對(duì)標(biāo)準(zhǔn)的交互式多模型算法（Interacting Multiple Model,IMM）存在模型集設(shè)計(jì)困難和采用固定轉(zhuǎn)移概率矩陣導(dǎo)致模型切換緩慢、跟蹤精度下降的不足,提出一種自適應(yīng)轉(zhuǎn)移概率IMM算法.首先,提出了一種新的模型集設(shè)計(jì)方法,將強(qiáng)跟蹤修正輸入估計(jì)（Strong Tracking Modified Input Estimation,STMIE）模型和勻速運(yùn)動(dòng)（Constant Velocity,CV）模型作為IMM算法的模型集,利用STMIE算法對(duì)高機(jī)動(dòng)目標(biāo)的跟蹤能力以及CV模型對(duì)非機(jī)動(dòng)目標(biāo)跟蹤的高精度,實(shí)現(xiàn)對(duì)目標(biāo)的全面自適應(yīng)跟蹤.其次,提出一種依據(jù)模型似然函數(shù)值對(duì)Markov轉(zhuǎn)移概率進(jìn)行實(shí)時(shí)修正的方法,增強(qiáng)匹配模型的作用,削弱不匹配模型的影響.仿真結(jié)果表明,依據(jù)模型似然函數(shù)修正轉(zhuǎn)移概率的方法使IMM算法的模型切換速度和跟蹤精度都得到提高,提出的IMM-STMIECV算法的跟蹤精度高于IMM-CVCA、IMM-CVCACT以及IMM-CVCS算法. 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 引言
2 STMIE算法
    2.1 修正的輸入估計(jì) (Modified Input Estimation, MIE) 算法
    2.2 強(qiáng)跟蹤多重漸消因子
    2.3 強(qiáng)跟蹤輸入估計(jì)算法濾波步驟
3 IMM-STMIECV算法及步驟
    3.1 IMM-STMIECV算法
    3.2 IMM-STMIECV算法步驟
4 轉(zhuǎn)移概率自適應(yīng)修正算法
5 仿真校驗(yàn)
    5.1 轉(zhuǎn)移概率自適應(yīng)修正算法性能分析
    5.2 本文算法模型集設(shè)計(jì)性能分析
6 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]時(shí)變轉(zhuǎn)移概率IMM-SRCKF機(jī)動(dòng)目標(biāo)跟蹤算法[J]. 郭志,董春云,蔡遠(yuǎn)利,于振華.  系統(tǒng)工程與電子技術(shù). 2015(01)
[2]強(qiáng)跟蹤輸入估計(jì)概率假設(shè)密度多機(jī)動(dòng)目標(biāo)跟蹤算法[J]. 楊金龍,姬紅兵,樊振華.  控制理論與應(yīng)用. 2011(08)
[3]基于自適應(yīng)觀測(cè)模型交互多模型粒子濾波的紅外機(jī)動(dòng)目標(biāo)跟蹤[J]. 萬(wàn)九卿,梁旭,馬志峰.  電子學(xué)報(bào). 2011(03)
[4]基于粒子優(yōu)化的多模型粒子濾波算法[J]. 劉先省,胡振濤,金勇,楊一平.  電子學(xué)報(bào). 2010(02)
[5]馬爾可夫參數(shù)自適應(yīng)IFIMM算法研究[J]. 臧榮春,崔平遠(yuǎn).  電子學(xué)報(bào). 2006(03)



本文編號(hào)：3677225