交互式多模型(IMM)的自适应机动目标跟踪算法

 

(Interactive Multi-tude Model,IMM)：

 

在现代目标跟踪系统中,对于运动模型基本不改变的运动目标,即系统的状态转移方程和观察方程都是线性的,那么在线性最小均方误差(LMMSE)的意义下,采用α-β滤波、Kal man滤波等线性滤波算法可以得到良好的滤波效果。但是对于机动目标跟踪,由于其运动状态的不确定性，效果不好。所以提出交互式多模型(IMM)的自适应机动目标跟踪算法：

 

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。

 

IMM算：法中作用权重较大的只是少部分更接近于实际系统的模型,通过对部分系统噪声模型进行自适应辨识,计算出最接近于系统实际噪声水平的模型——期望系统噪声模型(ES-NM)。

 

在防空反导作战中,对机动目标的跟踪是准确估计目标位置状态、判定目标属性和建立目标航迹的关键技术,其中使用最多的交互多模型(Interactive Multi-tude Model,IMM)算法,大部分IMM算法在跟踪过程中使用的都是固定模型集,机动目标可能采取的机动模式多种多样,因而,即使IMM算法中所使用的模型集包括了所有的典型目标机动模式,对于典型机动模式之外的目标机动,使用固定模型集对这些机动进行准确描述也是困难的。因此,为了达到好地跟踪性能,一些研究人员提出使用一个更加庞大的模型集,让模型集无限趋近于完备,虽然可以解