IMM交互式多模型详细步骤与公式

一、IMM简介

IMM核心思想是用多个不同的运动模型来匹配机动目标的不同运动模型，说简单点便是匹配运动状态，知道你在干嘛。不同模型之间的转移概率是一个马尔可夫矩阵，目标的状态和模型概率的更新采用卡尔曼滤波或其它滤波。

二、IMM具体步骤与公式

第一步：估计混合，在时刻k-1时刻，n个系统模型都有一个最优估计xi,k-1及估计协方差Pi,k-1，然后根据IMM中的正确性概率，将每个模型相关的模型的估计状态及协方差矩阵进行加权融合，得到融合后的目标在时刻的最优状态及协方差矩阵：

其中λij,k-1为融合的相关性系数。根据预先设定的相关性矩阵，第i行表示所有模型与第i个模型之间的相关性。因此，根据相关性，对模型进行带权融合从而获得第i个模型的融合估计状态及协方差矩阵，而每个模型本身又有一个正确性概率，因此需要对P的每个元素乘上对应的正确性概率μi,k-1后，再进行归一化处理得到λij,k-1。

第二步：更新模型滤波，每个模型都有其对应的状态方程和统一的测量方程：

根据前面拓展卡尔曼滤波算法，我们可以得到各模型更新后的估计目标状态xi,k

和协方差矩阵Pi,k。

第三步：求各模型似然值，当每个模型都估计出目标的状态后，将根据估计状态来评价模型对挡墙状态估计好坏，其计算如下：

第四步：更新各模型可信度根据计算的时刻的每个模型的似然值，可以得到每个模型的描述的准确程度，从而实现模型可信度的更新

第五步：多模型估计融合，根据更新后的置信度可以依次将模型融合起来，得到IMM滤波算法的输出目标状态及协方差矩阵：

三、图像展示与EKF结合