余夢婕 張正文

摘要：本文提出了一種改進的交互式多模型粒子濾波算法。首先設計了針對該情況分析了交互式多模型粒子算法的計算過程和方法;接著將粒子濾波算法融入交互式多模型算法中，按照先驗概率密度隨機抽取一組粒子，這組粒子經(jīng)過輸入交互、粒子濾波后進行重抽樣;然后進行輸出交互，如此循環(huán)從而提高目標跟蹤效果;最后，通過matlab仿真分析了這兩種算法的目標跟蹤性能，仿真結(jié)果表明，交互式多模型粒子算法較交互式多模型算法（ IMM）具有更優(yōu)的跟蹤性能，轉(zhuǎn)彎過程中優(yōu)勢更加明顯。

關(guān)鍵詞：目標跟蹤;交互式多模型算法;粒子算法;車載雷達

無線傳感技術(shù)的高速發(fā)展使得傳感器節(jié)點能夠組成自組織網(wǎng)絡，雷達方式的無線傳感技術(shù)具有成本低、容錯性高、部署快速等多個優(yōu)勢，適合用于無人駕駛汽車、機動目標跟蹤以及目標定位等多種領(lǐng)域[1-2]。

1 車載模型目標跟蹤模型及交互式多模型算法

1.1 車載雷達目標跟蹤模型

車載雷達目標跟蹤模型采用的大地坐標系和車輛運動坐標系如圖1所示，在研究車輛運動和目標車輛運動軌跡描述采用的是大地坐標系，基于以原地為坐標， （x0，y0，z0）為坐標軸的坐標系。

車輛坐標系則是以車輛質(zhì)心作為坐標原點，xe軸是與車輛縱軸保持平行，方向正對車輛前方;yc軸方向平行于車身側(cè)面軸向，方向?qū)χ囕v左側(cè);zc軸方向平行于車輛上垂線，方向為車身上方。

車輛雷達安裝位置為車身前方，和車體采用固定連接的方式，同時保證雷達所發(fā)出的波束和車輛縱軸線平行，因此，車輛雷達的運動坐標系平行于車輛運動坐標系。

在車輛跟蹤目標運動軌跡的過程中，一般不考慮目標車輛的形狀等因素影響，而是將目標簡化為一個點，可通過牛頓運動定律來描述，其目標運行模型可采用下式：

在描述目標運動狀態(tài)時一般采用位置、速度和加速度，分別用x、x和x表示。目標跟蹤模型可分為多種，包括CA、CT等，以CA模型為例，分析目標運動模型。

1.2 交互式多模型算法

交互式多模型算法是一種能夠?qū)崿F(xiàn)自適應的算法，在運算過程中，可通過多個模型間的組合實現(xiàn)和目標模型的最優(yōu)匹配，因此在系統(tǒng)估計中，該算法能夠有效實現(xiàn)多個并行濾波器的合理方式的聯(lián)合。正是由于交互式多模型算法實現(xiàn)了交互和動態(tài)變化的功能，因此，交互式多模型算法仍然作為最有效的跟蹤算法被廣泛應用[9]。

交互式多模型算法計算步驟包括4個：輸入交互、并行濾波器過濾、濾波數(shù)據(jù)融合以及概率更新，多個模型間的轉(zhuǎn)移概率服從馬爾科夫分布，設轉(zhuǎn)移概率矩陣P可用下式表示：

隨著應用過程中跟蹤目標機動方式的變化，這就要求跟蹤算法模型中包括多種形式的機動，通過多種機動形式的組合能夠使得系統(tǒng)的抗干擾性能增加，但是隨著機動形式的增加會導致計算量的加大，降低計算效率。因此，模型選擇非常關(guān)鍵，既要滿足系統(tǒng)機動方式的全面描述，又不能因過多的模型導致算法間競爭降低計算效率。因此可以看出該算法存在一定的缺陷：

為了解決交互式多模型算法的缺陷，提出了一種交互式模型粒子濾波算法。

2 交互式多模型粒子濾波算法

2.1 粒子濾波

粒子濾波是隨機抽取附帶相應權(quán)值的一組粒子，通過蒙特卡洛方法達到或者接近后驗概率密度分布。粒子濾波方式的成功應用體現(xiàn)在較為廣泛的實際工程領(lǐng)域內(nèi)，包括車輛雷達跟蹤、機器人、自動控制領(lǐng)域等。

貝葉斯認為，后驗概率密度（簡稱PDF）涵蓋了序貫估計問題的所有信息，通過一步步遞推的方式容易實現(xiàn)系統(tǒng)狀態(tài)的方差、均值和峰值等參數(shù)計算，具體的計算方式如下式[12]：

x9（k+1）=φ（k）x（k）+G（k）v（k）

（22）

z（k+1）=h（k+1）x（k+1）+r（k+1）

（23）

上式中，Q（k）指的是狀態(tài)轉(zhuǎn)置矩陣，h（k+1）指的是量測矩陣，v（k）、r（k+1）指的是均值等于零的白噪聲，v（k）的方差為Q（k），r（k+1）的方差為R（k+1）。

3 結(jié)論

本文分析了車載雷達目標跟蹤算法一一交互式多模型算法和提出了一種基于粒子濾波的交互式多模型跟蹤算法，詳細介紹了不同算法的計算過程，并采用matlab仿真對比兩種算法的跟蹤性能，得出交互式多模型粒子算法作為傳統(tǒng)交互式多模型算法的優(yōu)化算法，具有更優(yōu)的收斂精度。

參考文獻

[1]劉葉楠，張峰，一種改進的交互式多模型粒子濾波算法[J].機械與電子，2018，36 （09）：3-6.

[2]吳夢華，基于粒子濾波的目標跟蹤算法設計與實現(xiàn)[D].華北電力大學（北京），2018.

[3]劉悄然，楊訓.基于改進的交互式多模型粒子濾波算法[J].西北工業(yè)大學學報，201 8，36 （01）：169-175.

[4]周衛(wèi)東，孫天，儲敏，崔艷青.交互式多模型粒子濾波優(yōu)化重采樣算法[J/OL].北京航空航天大學學報，2019.

[5]唐學大，基于粒子濾波的機動弱目標檢測前跟蹤算法研究[D].杭州電子科技大學，201 5.

[6]王龍.基于粒子濾波的機動目標跟蹤算法[D]，南京信息工程大學，2013.

[7]呂鐵軍，蔣宏，梁國威，丁全心，改進的交互式多模型粒子濾波目標跟蹤算法[J/OL].彈箭與制導學報，201 9.

作者簡介

余夢婕（1996-），女，湖北省荊門市人。碩士研究生，控制工程。研究方向為信號處理。

張正文（1965-），湖北省黃岡市人，碩士生導師。研究方向為信號處理。