联合约束级联交互式多模型滤波器及其在机动目标跟踪中的应用

合集下载

基于机动转弯目标的自适应交互式多模型算法

第３Ｏ卷第４期
文章编号：１００６—９３４８（２０１３）０４— ０１６９一ｏ４
计
算
机
仿
真
２０１３年４月
基于机动转弯目标的自适应交互式多模型算法
王硕，刘丽
（北京航空航天大学飞行器控制一体化技术重点实验室，北京１００１９１）摘要：在车辆转弯性能优化控制问题的研究中，针对转弯机动目标跟踪，由于控制模型为单模型，造成跟踪性能差。为解决
上述问题，设计了一种利用自适应网格方法对模型集合进行自适应计算的方法。利用自适应网格，通过设定初始粗略网格，将转弯模型的转弯速率作为网格值进行自适应的调整，以期能够符合目标当前时刻的运动状态。然后与交互式多模型算法相结合，对模Байду номын сангаас型进行滤波计算，以达到跟踪目标的目的。最后，通过仿真比较自适应网格交互式多模型算法与三种常规交互式多模型算法的跟踪效果，验证了算法的优越性，证明改进算法跟踪精度高、速度快，能够接近理想的模型设计。
ａｄａｐｔｉｖｅ
ｔｉｎｇｍｕｌｔｉｐｌｅｍｏｄｅｌａｌｇｏｉｒｔｈｍ（ＩＭＭ）ｔｏｃｏｎｄｕｃｔｉｆｌｔｅｒｃｌａｃｕｌａｔｉｏｎ．Ｔｈｕｓｗｅｃａｎｔｒａｃｋｔｈｅｔａｒｇｅｔｓ．Ｓｉｍｕｌａｔｉｏｎｏｆｔｈｅ

基于路侧激光雷达的多目标检测与跟踪算法

基于路侧激光雷达的多目标检测与跟踪算法
顾晶;胡梦宽
【期刊名称】《激光与红外》
【年(卷),期】2024(54)2
【摘要】为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。

首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。

试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。

【总页数】8页(P214-221)
【作者】顾晶;胡梦宽
【作者单位】无锡学院电子信息工程学院;南京信息工程大学电子与信息工程学院【正文语种】中文
【中图分类】TN958.98;TP391.41
【相关文献】
1.基于联合多目标概率密度模型的多目标检测前跟踪算法
2.基于多层激光雷达的目标检测与跟踪算法
3.基于多特征融合的高速路车辆多目标跟踪算法研究
4.基于激光雷达的三维多目标检测与跟踪
5.基于路侧激光雷达的障碍物目标检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于交互式多模型强机动目标被动跟踪算法

ＵＦ算法，目标作强机动时改善了常规ＩＫ在ＭＭ—ＵＦ算法失效状况，Ｋ并提高了跟踪精度。仿真结果表明，法具有较好的算
收敛速度和跟踪精度。关键词：动跟踪；迹卡尔曼滤波器；型转移概率；被无模交互式多模型
ＨＵＸｉ，ＵＹｏｇ—ｆｎｎＪｎｅｇ
（ｃｏｌｆｌｔｎＳｈｏｏＥｅｒｉＣｎｒｌｎｉｅｒｇＣａｇｎＵｉｅｓｙＸ ’ ｈｎｉ０４，ｈｎ）ｃｏｃ＆ｏｔｇｅｎ，ｈｎ ’ ｎｖｒｔ，ｉｎＳａｘ７６ＣｉｏＥｎｉａｉａ１０ａ
ｎｏ — ｕｑｏｕｔｎ，ｔｅｐａｅｓｒｓａｃｅｕｂｐｉｌｒｃｒｉｅＢａｅｉｎａｇｒｔｍｓａｐｏｏｅｎＩＭ — ｎｎｉｕｅｓｌｉｏｈｐｒｈａｅｅｒｈｄｓｏｔｍａｅｕｓｖｙｓａｌｏｉｈｎｄｒｐｓｄａＭＵＫＦａｇｒｔｍｔｎｕｅｔｃｉｎ．ＴｈｏｏｅｌｏｉｈｃｎｔａｋｔｏｇｍａｅｖｒｎａｇｔｗｈｅｃａｓｃｌｌｏｈｗｉｈｍａｅｖｒｄｅｅｔｏｉｅｐｒｐｓｄａｇｒｔｍａｒｃｓｒｎｎｕｅｉｇｔｒｅｎｌｓｉａＩＭｌｏｔｍｓａｅｄｉａｅＭａｇｒｈｒｓｂｌｄ．Ｓｉａｉｎｒｓｌｓｉｄｉａｅｔａｈｌｏｔｈａｅｔｒｃｎｅｇｎｃｐｅｄ，ｍｏｅｒｎｉｍｕｌｔｏｅｕｔｎｃｔｈｔｔｅａｇｒｈｍｓｂｔｅｏｖｒｅｅｓｅｉｄｌｔａ — ｓｔｏｒｂｂｉｔｎｉｈｅｌｒｎｇｐｅｉｉｎｉｉｎｐｏａｌｙａｄｈｇｒｆｔｉｒｃｓｏ．ｉｉｅＫＥＹＷＯＲＤＳ：ｓｉｅｔａｋｉｇ；ＰａｓｖｒｃｎＵＫＦ；ｄｅｒｎｉｉｎｐｏｂｉｉＩＭＭｏｌｔａｓｔｏｒｂａｌｔＭｙ；

基于交互多模型的高机动群目标跟踪技术

（）群航迹的更新３
利用互联成功的量测和目标量测估算出群的
中心和速度，从而完成群的航迹更新过程。
单个量测的跟踪门
行外推，并以外推中心建立跟踪门，与下个时刻落
入群中的各量测进行互联，从而实现对单目标航迹的维持。编队群目标跟踪算法具有很多优点，如节省了雷达和计算机资源；可以提供单个目标的估计位置；减小了由量测丢失和虚假量测所造成的不良影响；群跟踪与单个目标跟踪使用同一跟踪逻辑。考虑一组由ｍ个目标组成的飞行编队的跟踪
ｅｅｔｅｓｌｔｎｔａｅｖｒｇｇｏｐｔｃｉｇｆｃｉｏｕｉｍｎｕｅｉｒｕａｋｎ．ｖｏｏｎｒ
ＫｅｗｏｄｓＦｒｔｎｙｒ：ｏｍａｉＧｒｕＴａｋｎＡｌｏｔｍ；ＭａｅｖｒｇｏｏｐｒｃｉｇｇｒｈｉｎｕｅｎＧｒｕＴｒｅｓＩｔｒｃｉｇｉｏｐａｇｔ；ｎｅａｔＭｕｔｌＭｏｅ；ｎｌｐｅｉｄｌ
Ｂｒｈｌｍ在广义伪贝叶斯算法的基础上提出的ａａＳｏ种具有Ｍａｋｖ转移概率的结构自适应算法。ｒｏＩＭＭ算法具有一阶广义伪贝叶斯（Ｐ）计算上ＧＢ１的优势和二阶广义伪贝叶斯（Ｐ２ＧＢ）的良好性能，
骤如下：
２基于交互式多模型的群目标跟踪
基于交互式多模型的编队群目标跟踪算法

基于IMM-MHT算法的杂波环境多机动目标跟踪

基于IMM-MHT算法的杂波环境多机动目标跟踪邵俊伟;同伟;单奇【摘要】针对杂波环境下多机动目标的跟踪问题,提出将交互多模型(IMM)算法与多假设跟踪(MHT)算法结合,并运用Murty算法和假设树修剪方法进行假设生成和假设管理,提高IMM-MHT算法的实用性.仿真结果表明,IMM-MHT算法具有较高的正确关联率和较好的跟踪稳定性,且与只使用单模型的MHT算法相比,具有更好的跟踪精度.【期刊名称】《舰船电子对抗》【年(卷),期】2014(037)002【总页数】5页(P87-90,93)【关键词】数据关联;多假设跟踪;交互多模型【作者】邵俊伟;同伟;单奇【作者单位】中国电子科技集团公司第38研究所,合肥230088;陆军驻中电集团38所军事代表室,合肥230088;中国电子科技集团公司第38研究所,合肥230088【正文语种】中文【中图分类】TP957.510 引言随着战场环境的日趋复杂以及目标机动性能的日益提升，如何在杂波环境下跟踪机动目标正成为雷达数据处理系统要应对的关键问题之一。

传统数据关联算法，如最近邻［1］（NN）、概率数据关联［2］（PDA）、联合概率数据关联［3］（JPDA）等，以当前扫描周期内的量测为基础进行数据关联，若某一扫描周期内的关联结果与真实情况有较大差别，则之后的跟踪过程常会发生错误，甚至丢失目标。

多假设跟踪［4］（MHT）的关联结果不仅取决于当前扫描周期内的量测数据，而且还与历史量测信息有关。

对不能确定的关联，会形成多种逻辑假设，并用后续的量测数据来解决这种不确定性。

在理想条件下，MHT是最优的数据关联算法，可以有效地解决杂波环境下的数据关联问题。

但是，MHT算法所需的计算和存储资源会随着量测数和跟踪步数的增长呈指数增加，若要实际应用，还需要有效的假设管理技术。

对机动目标，以单一的运动模型来刻画其运动过程，往往和实际情况有偏差，最终会由于模型失配导致跟踪误差增大甚至跟踪失败。

三维高速机动目标跟踪交互式多模型算法

三维高速机动目标跟踪交互式多模型算法
彭冬亮;郭云飞;薛安克
【期刊名称】《控制理论与应用》
【年(卷),期】2008(25)5
【摘要】对三维机动目标,尤其是高速机动目标的跟踪一直是目标跟踪领域的重点和难点,通过二维或解耦模型扩展并不一定能满足精度要求.提出了一种基于常速模型、"当前"统计模型、带约束的三维常速率协同转弯模型的交互式多模型算法.通过对包括匀加速模型、Singer模型、"当前"统计模型在内的不同模型组合进行Monte-Carlo仿真比较表明本算法对三维高速机动目标跟踪是有效性,并具有很好的实用性.
【总页数】6页(P831-836)
【作者】彭冬亮;郭云飞;薛安克
【作者单位】杭州电子科技大学,信息与控制研究所,浙江,杭州,310018;杭州电子科技大学,信息与控制研究所,浙江,杭州,310018;杭州电子科技大学,信息与控制研究所,浙江,杭州,310018
【正文语种】中文
【中图分类】TP273
【相关文献】
1.用于机动目标跟踪的自适应交互式多模型算法 [J], 王越;周德云;刘建生;赵凯;杨维
2.交互式多模型算法在机动目标跟踪中的应用 [J], 李辉;赵敏;张安;卢莺
3.基于 IMM 的三维机动目标跟踪算法研究 [J], 董晓斐;邵巍
4.强机动目标跟踪自适应交互式多模型算法 [J], 王亚平;彭东亮;薛安克
5.一种面向机动目标跟踪的交互式多模型算法 [J], 王美健;吴小俊
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多普勒频率变化率和方位的机动目标无源跟踪算法

基于多普勒频率变化率和方位的机动目标无源跟踪算法王骏;吕昆峰;刘梅【摘要】对于具有频率和方位角测量能力的雷达系统而言,多普勒频率变化率中包含目标的距离信息.将多普勒频率变化率这一测量,和方位角测量进行联合观测,在一定条件下能提高对目标的跟踪精度.分析了方位角和多普勒频率联合跟踪时,目标的可观测性问题,提出了一种基于交互式多模型和无迹卡尔曼滤波的机动目标跟踪算法,并对该算法进行了仿真分析,仿真结果表明,该算法可以有效利用方位测量和多普勒频率变化率测量,实现对机动目标的跟踪.【期刊名称】《指挥控制与仿真》【年(卷),期】2018(040)004【总页数】8页(P38-44,56)【关键词】交互式多模型;多普勒频率变化率;无迹卡尔曼滤波;机动目标跟踪【作者】王骏;吕昆峰;刘梅【作者单位】中国电子科技集团公司第二十九研究所, 四川成都 610036;哈尔滨工业大学电子与信息工程学院, 黑龙江哈尔滨 150001;哈尔滨工业大学电子与信息工程学院, 黑龙江哈尔滨 150001【正文语种】中文【中图分类】E911;TN966随着科技发展和电子战技术的不断升级,无源定位技术越发受到人们的重视,观测平台利用目标自身辐射信号或者所反射的其他辐射信号对目标进行定位的技术有了长足的发展[1]。

目前单站无源定位跟踪比较成熟的方法是纯方位法,但该方法要取得良好观测效果,对观测平台的运动形式有一定的限制,目标的高速机动将增加定位跟踪难度[2],而且角度测量与目标运动参数的非线性关系使得纯方位目标跟踪问题具有较大的难度[3]。

对于具有频率测量能力的雷达系统而言,由于多普勒频率变化率中包含距离信息,因此通过引入多普勒频率变化率这一测量,将其和方位角联合观测,在一定条件下能较大提高对目标的跟踪精度。

此外,对于机动目标而言,由于其运动状态变化,使用基本的跟踪方法容易丢失目标,因此应当使用适应机动目标的跟踪方法[4]。

经典的机动目标跟踪方法有机动检测类跟踪算法以及自适应跟踪算法,其中基于交互式多模型的机动目标跟踪方法具有较好的实用水平。

交互多模型算法在目标跟踪领域的应用

第３４卷
第１１期
四川兵工学报
２０１３年１１月
【信息科学与控ＳＵｎ－程】
ｄｏｉ：１０．１１８０９／ｓｃｂｇｘｂ２０１３．１１．０３５
交互多模型算法在目标跟踪领域的应用
题。２０世纪９Ｏ年代Ｂａｒ —Ｓｈａｌｏｍ和Ｂｌｏｍ等人在广义伪贝叶斯算法的基础上，提出了一种具有马尔可夫切换系数的交互式多模型（ＩＭＭ）滤波算法… ，该算法被认为是一种高效费比的算法而被广泛应用，后来根据实际应用，多国学者义对ＩＭＭ算法进行了改进，比如ＡＩＭＭ（自适应交互多模型）和
Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅｔａｒｇｅｔｔｒａｃｋｉｎｇｐｒｏｂｌｅｍ，ｍｕｌｔｉｐｌｅｍｏｄｅｌａｌｇｏｒｉｔｈｍｈａｓｍｏｒｅａｄｖａｎｔａｇｅｔｈａｎｓｉｎｇｌｅｍｏｄｅｌａｌｇｏｒｉｔｈｍ．Ｔｈｅｔｅｘｔｉｎｔｒｏｄｕｃｅｓｔｈｅｏｉｇｒｉｎａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆｉｎｔｅｒａｃｔｉｎｇｍｕｌｔｉｐｌｅｍｏｄｅｌａｌｇｏｉｔｒｈｍ，ｓｕｍｍａ — ｒｉｚｅｓｍｕｈｉｐｌｅｍｏｄｅｌａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｍｅｎｔｄｉｒｅｃｔｉｏｎｉｎｒｅｃｅｎｔｙｅａｒｓ，ｉｎｔｒｏｄｕｃｅｓｔｈｅｎｅｗｉｅｆｌｄｏｆｍｕｌｔｉｐｌｅｍｏｄｅｌａｌｇｏｉｔｒｈｍ，ａｎｄｓｔａｔｅｓｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓｏｆｍｕｌｔｉ — ｓｅｎｓｏｒｔａｒｇｅｔｔｒａｃｋｉｎｇ．Ｔｈｅｎｔｈｅａｕｔｈｏｒｓｕｍｍａｒｉ —

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

高斯分布递推ＰＨＤ函数的同时递推基数分布。最后，利用雷达作为传感器，对跟踪机动目标进行仿真，证明ＶＳＭＭ相比于ＩＭＭ对于多机动目标跟踪更具有优越性，同时验证了ＶＳＭＭ— ＧＭＣＰＨＤ滤波算法具有提高机动目标跟踪精度，减小跟踪误差的作用。关键词：机动目标跟踪；高斯混合基数概率假设密度；交互多模型；变机构多模型中图分类号：ＴＮ９１１文献标志码：ＡＤ０Ｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ５Ｏ６ｘ．２Ｏ１３．０１．Ｏ２
摘要：针对交互多模型（ｉｎｔｅｒａｃｔｉｎｇｍｕｌｔｉｐｌｅｍｏｄｅｌ，ＩＭＭ）在多机动目标跟踪算法中存在的缺陷以及目标
跟踪精度问题，提出了基于变结构多模型（ｖａｒｉａｂｌｅｓｔｒｕｃｔｕｒｅｍｕｌｔｉｐｌｅｍｏｄｅｌ，ＶＳＭＭ）的高斯混合基数概率假设密
Ａｂｓｔｒａｃｔ：Ｔｏｄｅａｌｗｉｔｈｔｈｅｄｅｆｅｃｔｓａｎｄｔｈｅｔａｒｇｅｔｔｒａｃｋｉｎｇｐｒｅｃｉｓｉｏｎｐｒｏｂｌｅｍｉｎｔｈｅｉｎｔｅｒａｃｔｉｎｇｍｕｌｔｉｐｌｅｍｏｄｅｌ（ＩＭＭ）ａｌｇｏｒｉｔｈｍｆｏｒｍｕｌｔｉｐｌｅｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔｓｔｒａｃｋｉｎｇ，ａＧａｕｓｓｉａｎｍｉｘｔｕｒｅｃａｒｄｉｎａｌｉｚｅｄｐｒｏｂａｂｉｌｉｔｙｈｙｐｏｔｈｅｓｉｓｄｅｎｓｉｔｙ（ＧＭＣＰＨＤ）ｆｉｌｔｅｒａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｖａｒｉａｂｌｅｓｔｒｕｃｔｕｒｅｍｕｌｔｉｐｌｅｍｏｄｅｌ（ＶＳＭＭ）ｉｓｐｒｏ — ｐｏｓｅｄ．ＣｏｍｐａｒｅｄｗｉｔｈｔｈｅＩＭＭａｌｇｏｒｉｔｈｍｗｈｉｃｈｏｎｌｙｃｏｎｓｉｄｅｒｓｔｈｅｆｉｘｅｄｍｏｄｅｌｃｏｌｌｅｃｔｉｏｎ，ｔｈｅＧＭＣＰＨＤｆｉｌｔｅｒａｌｇｏｒｉｔｈｍｉｓｓｕｐｅｒｉｏｒ．Ｕｔｉｌｉｚｉｎｇｔｈｅａｄａｐｔｉｖｅａｎｄｔｉｍｅ — ｖａｒｙｉｎｇｗｈｉｃｈｂｏｔｈａｒｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＶＳＭＭａｌｇｏ — ｒｉｔｈｍ，ｔｈｉｓａｐｐｒｏａｃｈｒｅａｃｈｅｓｔｈｅｇｏａｌｔｈａｔｔｈｅｍｏｄｅｌｃｏｌｌｅｃｔｉｏｎｍａｔｃｈｉｎｇｔｈｅｔａｒｇｅｔｍｏｔｉｏｎｍｏｄｅｌｃａｎｂｅｓｅｌｅｃｔｅｄ

用于机动目标跟踪的多模型概率假设密度滤波器

第４５卷第１期２西Fra bibliotek安交
通
大学学
报
Ｖｏ．５Ｎｏ１１４．２
Ｄｅ．２１ｃ０１
２１年１０１２月
ＪＯＵＲＮＡＬＯＦＸＩＡＮＩＪＡＯＴＯＮＧＵＮＩＶＥＲＩＹＳＴ
用于机动目标跟踪的多模型概率假设密度滤波器
ＰＨＤ滤波器的基础上，用多模型方法对滤波器中每个描述目标状态的粒子的状态进行更新，使再
将更新后的粒子代入传统的ＰＨＤ滤波器中用于估计目标的ＰＨＤ的分布．滤波器结合Ｐ该ＨＤ滤波器和多模型方法的特点，可用于目标数未知的多机动ｇ标跟踪，对目标的数量和状态的估计更ｌ且
ＡｂｔａｔＡｌｉｌｏｅｒｂｂｌｙｈｐｔｅｉｅｓｔ（ＭｌＤ）ｆｔｒｉｒｐｓｄｔｏｖｓｒｃ：ｍｕｔｐｅｍｄｌｐｏａｉｔｙｏｈｓｓｄｎｉＭ－ｉｙＰＨｉｅｓｐｏｏｅｏｓｌｅｌ
ＷＡＮＧａ。ＨＡＮｏｇｈｏＸｉｏＣｈｎｚａ
（ｃｏｌｏｌｃｒｎｃｎｎｏｍａｉｎＥｇｎｅｉｇＳｈｏｓｆＥｅｔｏｉａｄＩｆｒｔｎｉｅｒ，ＸｉｎＪａｔｎｉｒｉ，Ｘｎ７０４，ＣｉａｓｏｎｉｏｇＵｎｖｓｔａｏｅｙｉ１０９ｈｎ）ａ
王晓，韩崇昭
（西安交通大学电子与信息工程学院，７０４，１０９西安）

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＸＩＡＸｉａｏｈｕ ① ② ＬＩＵＭｉｎｇ ②
（ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３０６０１，Ｃｈｉｎａ）
联合约束级联交互式多模型滤波器及其在机动目标跟踪中的应用
夏一Ｊ、虎 ④ ④ 刘明②
２３０６０１）ｆ合肥学院机械工程系合肥
ｆ中国科学院合肥智能机械研究所
摘
合肥
２３００３１１
要：该文提出一种新型联合约束的级联交互式多模型卡尔曼滤波器，该滤波器由两个滤波器前后两级串联而成；
第１级为标准交互式多模型滤波器；第２级为联合约束滤波器。联合约束滤波器的约束条件对第１级滤波器中的多模型集合中各子模型均有效。联合约束滤波器采用平滑约束卡尔曼滤波算法对第１级滤波结果进一步优化。以机动
目标实时跟踪为实际工程应用背景，数值仿真和飞行实验结果证明新的联合约束性级联交互式多模型滤波器比标准
Ａｂｓｔｒａｃｔ：Ａｎｏｖｅｌｕｎｉｉｅｆｄｃａｓｃａｄｅｃｏｎｓｔｒａｉｎｅｄｉｎｔｅｒａｃｔｉｖｅｍｕｌｔｉ — ｍｏｄｅｌＫａｌｍａｎｉｆｌｔｅｒｉｓｐｕｔｆｏｒｗａｒｄ．Ｔｈｅｉｆｌｔｅｒｉｓｃｏｍｐｏｓｅｄｏｆｔｗｏｃｓｃａａｄｅｃｏｎｎｅｃｔｅｄｉｌｆｔｅｒｓ，ａｓｔａｎｄａｒｄｉｎｔｅｒａｃｔｉｖｅ — ｍｕｌｔｉｐｌｅ — ｍｏｄｅｌａｎｄａｕｎｉｉｆｅｄｃｏｎｓｔｒａｉｎｅｄｉｆｌｔｅｒ．ＴｈｅｌａｔｔｅｒｉｓｅｆｆｅｃｔｉｖｅｆｏｒｅｖｅｒｙｏｎｅｉｎｍｏｄｅｌｓｅｔｏｆｃｏｎｔｒｏｌｌｅｄｐｌａｎｔａｎｄｒｅｉｆｎｅｓｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｔｈｅｆｏｒｍｅｒｕｓｉｎｇｓｍｏｏｔｈｌｙｃｏｎｓｔｒａｉｎｔＫａｌｍａｎａｌｇｏｒｉｔｈｍ．Ｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎａｎｄｌｆｙｉｎｇｅｘｐｅｒｉｍｅｎｔｓａｒｅｍａｄｅｏｒｆｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇａｎｄｌｏｗｅｒｅｓｔｉｍａｔｅｄｅｒｒｏｒａｎｄｃｏｖａｒｉａｎｃｅａｒｅａｃｈｉｅｖｅｄｂｙｔｈｅｕｎｉｉｆｅｄｃｓｃａａｄｅｃｏｎｓｔｒａｉｎｅｄ
ｉｎｔｅｒａｃｔｉｖｅｍｕｌｔｉ — ｍｏｄｅｌＫａｌｍａｎｉｆｌｔｅｒｃｏｍｐａｒｅｄｗｉｔｈｃｏｎｖｅｎｔｉｏｎａｌｉｎｔｅｒａｃｔｉｖｅｍｕｌｔｉ — ｍｏｄｅｌｆｉｌｔｅｒ．Ｔｈｅａｄｄｅ — ５８９６（２０１７）０１ — ０１１７ — ０７
ＵｎｉｉｅｆｄＣｏｎｓｔｒａｉｎｅｄＣａｓｃａｄｅＩｎｔｅｒａｃｔｉｖｅＭｕｌｔｉ－ｍｏｄｅｌＦｉｌｔｅｒａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｉｎＴｒａｃｋｉｎｇｏｆＭａｎｏｅｕｖｒｉｎｇＴａｒｇｅｔ
第３９卷第１期
２０１７年１月
电
子
与
信
息
学
报
Ｖｌ０１．３９Ｎ０．１Ｊａｎ．２０１７
ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ
交互式多模型滤波器具有更小的估计误差和方差，所增计算量合理可行。该文为交互式多模型滤波器和机动目标跟
踪两个方向的进一步改进提供了有益借鉴。
关键词：机动目标跟踪；交互式多模型；卡尔曼滤波；状态约束方程
中图分类号：ＴＮ９５３
ＤＯＩ：ｉ０．１ｌ９９９／ＪＥＩＴ１６０３８４
（ＩｎｓｔｉｔｕｔｅＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｈｅｆｅｉ２３００３１，Ｃｈｉｎａ）