

摘 要：為了使交互式多模型算法更好的應(yīng)用于非線性系統(tǒng)，將轉(zhuǎn)換測(cè)量卡爾曼濾波引進(jìn)到交互式多模型算法中，通過(guò)建立IMMCVCACT模型進(jìn)行仿真，仿真結(jié)果表明，相對(duì)于單模型結(jié)構(gòu)，引入轉(zhuǎn)換測(cè)量卡爾曼濾波算法明顯提高了跟蹤精度。

關(guān)鍵詞：非線性系統(tǒng)； 轉(zhuǎn)換測(cè)量卡爾曼濾波； 交互式多模型； 跟蹤精度

0 引 言

H.A.P.BIom等人提出的交互式多模型（IMM）算法[1]在多模型（MM）算法的發(fā)展過(guò)程中有著重要的意義，它是在偽貝葉斯算法的基礎(chǔ)上提出的。它具有較高的費(fèi)效比和較好的跟蹤效果，可應(yīng)用于混合系統(tǒng)的估計(jì)問(wèn)題，并且易于在計(jì)算機(jī)上實(shí)現(xiàn)。它的基本思想是：使用多個(gè)模型來(lái)匹配目標(biāo)的不同運(yùn)動(dòng)形式，基于每個(gè)模型的濾波器獨(dú)立并行的工作，每個(gè)單獨(dú)的濾波器使用卡爾曼算法濾波，不同模型間的轉(zhuǎn)移概率是一個(gè)馬爾可夫鏈[23]，最終的濾波狀態(tài)估計(jì)由每個(gè)模型的濾波器加權(quán)輸出。

在機(jī)動(dòng)目標(biāo)跟蹤中，即使不太復(fù)雜的系統(tǒng)，一般都是非線性系統(tǒng)。對(duì)于非線性濾波，標(biāo)準(zhǔn)的Kalman濾波器不能直接使用，轉(zhuǎn)換測(cè)量卡爾曼濾波算法（Converted Measurement Kalman Filter，CMKF）被認(rèn)為是目前解決此類問(wèn)題較好的一種方法。轉(zhuǎn)換測(cè)量卡爾曼濾波算法是把極坐標(biāo)系下的測(cè)量值經(jīng)坐標(biāo)變換到直角坐標(biāo)系中，用統(tǒng)計(jì)方法求出轉(zhuǎn)換后的測(cè)量值誤差的均值和方差，然后利用標(biāo)準(zhǔn)卡爾曼濾波器進(jìn)行濾波。

在實(shí)際跟蹤問(wèn)題上，由于目標(biāo)運(yùn)動(dòng)的狀態(tài)方程在直角坐標(biāo)系下可以方便地描述為線性的，而傳感器的測(cè)量值是在球（極）坐標(biāo)系下給出的，此時(shí)測(cè)量值與目標(biāo)狀態(tài)之間是非線性關(guān)系。所以，將轉(zhuǎn)換測(cè)量卡爾曼濾波引進(jìn)到交互式多模型算法中，使其更符合實(shí)際。