目录
1.算法概述
IMM(交互式多模型)方法是Blom H.A.P.于1984年提出的。多模型方法主要用于特性随时问变化系统的状态估计,所以它特别适用于机动目标的跟踪。一种典型的例子就是对进行机动飞行的飞机的跟踪。在IMM方法中,假定有有限多个目标模型存在,每个模型对应于不同机动输入水平。在计算出各模型为正确的后验概率之后,就可以通过对各模型正确的状态估计加权求和来给出最终的目标状态估计,加权因子为模型正确的后验概率。IMM估计器是已知最好的单次扫描状态估计器,被广泛应用于各个领域,但还没有应用在机载警戒雷达的目标跟踪中。本文选取某警戒雷达产品的某几条航迹用IMM方法进行滤波,把其滤波结果与目前实际工程中正在使用的.Kalman(Singer模型)滤波进行精度比较,实现模型的优选。
IMM算法的基本思想是用多个不同的运动模型匹配机动目标的不同运动模式,不同模型间的转移概率是–个马尔可夫矩阵,目标的状态估计和模型概率的更新使用卡尔曼滤波。IMM算法采用多个Kalman滤波器进行并行处理。每个滤波器对应不同的状态空间模型,不同的状态空间模型描述不同的目标运行模式,所以每个滤波器对目标状态的估计结果不同。IMM算法的基本思想是在每一时刻,假设某个模型在现在时刻有效的条件下,通过混合前一时刻所有滤波器的状态估计值来获得与这个特定模型匹配的滤波器的初始条件,然后对每个模型并行实现正规滤波(预测和修正)步骤;最后,以模型匹配似然函数为基础更新模型概率,并组合所有滤波器修正后的状态估计值(加权和)以得到状态估计。因此IMM算法的