高斯混合交互式多模型容积信息滤波算法
传感器与微系统（Transducer and Microsystem Technologies）２０１６年第３５卷第１０期
ＤＯI：１０.１３８７３/J.１０００—９７８７（２０１６）１０—０１３８—０３
高斯混合交互式多模型容积信息滤波算法
谢会来1，刘以安1，王刚2，彭愫3
（1.江南大学物联网工程学院，江苏无锡214122；
2.中国舰船研究院，北京100192；
3.武汉理工大学信息工程学院，湖北武汉430063）
摘要：针对机动目标跟踪中由于目标机动使系统的非线性强度增大，导致系统的线性误差增大和跟踪
精度明显下降、甚至发散的问题，提出了基于高斯混合的交互式多模型容积信息滤波（GMIMM-CIF）算法，
实现对机动目标的精确跟踪。新算法在每次输入交互之后，保留概率较大的几个假设，并利用一个高斯混
合项替换最优多模型算法中剩余的假设，从而使算法中假设的数量保持恒定；用容积信息滤波器（CIF）代
替传统的非线性滤波器，通过估计信息状态向量和信息矩阵而不是估计状态向量和协方差，可以减小系统
的非线性误差。通过仿真对比实验，验证了该算法可以提高机动目标的跟踪精度。
关键词：机动目标跟踪；高斯混合；交互式多模型；容积信息滤波
中图分类号：TP３０１.６ 文献标识码：B文章编号：１０００—９７８７（２０１６）１０—０１３８—０３
Gaｕｓｓｉaｎmｉxｔｕｒｅｉｎｔｅｒaｃｔｉｎg mｕlｔｉｐlｅmｏdｅl algｏｒｉｔｈm baｓｅdｏｎｃｕbaｔｕｒｅｉｎｆｏｒmaｔｉｏｎｆｉlｔｅｒｉｎg
XIE Hui-lai１，LIU Yi-an１，WANG Gang２，PENG Su３
（1.ＳｃｈｏｏlｏｆIｎｔｅｒｎｅｔｏｆＴｈｉｎgｓＥｎgｉｎｅｅｒｉｎg，JｉaｎgｎaｎUｎｉｖｅｒｓｉｔy，Wｕxｉ214122，Cｈｉｎa；
2.CｈｉｎaＳｈｉｐＲｅｓｅaｒｃｈaｎdＤｅｖｅlｏｐmｅｎｔＡｃadｅmy，Bｅｉjｉｎg100192，Cｈｉｎa；
3.ＳｃｈｏｏlｏｆIｎｆｏｒmaｔｉｏｎＥｎgｉｎｅｅｒｉｎg，WｕｈaｎUｎｉｖｅｒｓｉｔyｏｆＴｅｃｈｎｏlｏgy，Wｕｈaｎ430063，Cｈｉｎa）
Ａbｓｔｒaｃｔ：Aiming at problem that increasing linear error and obvious decreasing in tracking precision and even diverging because of nonlinear strength increases when target maneuvers in the maneuvering target tracking system，a Gaussian mixture interacting multiple model algorithm based on cubature information filtering（GMIMM-CIF）is proposed to improve the tracking precision.The new algorithm utilizes a Gaussian mixture to replace the exponential number of hypotheses that arises in the optimal multiple model filtering at each step in each mode，thus maintaining a limited number of hypotheses；utilizes cubature information filtering to replace traditional nonlinear filtering，the cubature information filter（CIF）evaluates information state vector and information matrix rather than state vector and covariance，which can reduce the nonlinear error of system.Through simulation comparison experiment，verify that the proposed algorithm can improve tracking precision of maneuvering target.
Kｅyｗｏｒdｓ：maneuvering target tracking；Gaussian mixture；interacting multiple model（IMM）；cubature information filtering（CIF）
0 引言
机动目标跟踪是利用探测器所获得的运动目标的量测，估计目标的位置和速度等运动状态，在国防与民用领域具有重要的应用价值。目前应用较为普遍的是交互式多模型（IMM），这种算法原理清晰、结构简单、运算量相对适中，广泛应用于目标跟踪等领域［１］。缺点是模型先验概率、模型转移概率以及模型集的组成均无法先验确知；不合理的假设，导致算法得到的目标状态估计始终只能是混和次优解。为了提高IMM算法的性能，设计了许多非线性滤波器，如交互式多模型容积卡尔曼滤波器（IMM-CKF）［２，３］、交
收稿日期：２０１５—１１—０２互式多模型无迹卡尔曼滤波器（IMM-UKF）［４］。
文献［５］提出了交互式多模型容积信息滤波（IMM-CIF）算法，CIF算法通过估计信息状态向量和信息矩阵，可以减少系统的非线性误差；IMM算法通过马尔可夫链同时处理所有模型，从而提高滤波器的快速反应能力［６，７］。文献［８］提出了基于高斯混合的交互式多模型（GMIMM）算法，它是在最优多模型滤波算法的基础上，每次交互之后，只保留其中概率较大的几种假设，将其余的假设合并为一种假设，使系统中假设的数量保持恒定，从而避免了最优多模型滤波算法中假设的数量呈指数增长的问题。与IMM
831
万方数据