互動式多模型(IMM)的自適應機動目標跟蹤演算法

 

(Interactive Multi-tude Model,IMM)：

 

在現代目標跟蹤系統中,對於運動模型基本不改變的運動目標,即系統的狀態轉移方程和觀察方程都是線性的,那麼線上性最小均方誤差(LMMSE)的意義下,採用α-β濾波、Kal man濾波等線性濾波演算法可以得到良好的濾波效果。但是對於機動目標跟蹤,由於其運動狀態的不確定性，效果不好。所以提出互動式多模型(IMM)的自適應機動目標跟蹤演算法：

 

在機動目標跟蹤方法中,為避免具有機動檢測的跟蹤演算法產生的估計時間延遲和機動檢測過程中跟蹤效能的降低,採用基於互動式多模型(IMM)的自適應機動目標跟蹤演算法,透過2個目標模型的互動作用來實現對目標機動狀態的自適應估計。在工程上,將基於CV和"當前"統計模型的IMM演算法應用在某導航雷達跟蹤系統中,經驗證IMM演算法對勻速直線運動、機動運動目標跟蹤均能取得較好的效果。

 

IMM算：法中作用權重較大的只是少部分更接近於實際系統的模型,透過對部分系統噪聲模型進行自適應辨識,計算出最接近於系統實際噪聲水平的模型——期望系統噪聲模型(ES-NM)。

 

在防空反導作戰中,對機動目標的跟蹤是準確估計目標位置狀態、判定目標屬性和建立目標航跡的關鍵技術,其中使用最多的互動多模型(Interactive Multi-tude Model,IMM)演算法,大部分IMM演算法在跟蹤過程中使用的都是固定模型集,機動目標可能採取的機動模式多種多樣,因而,即使IMM演算法中所使用的模型集包括了所有的典型目標機動模式,對於典型機動模式之外的目標機動,使用固定模型集對這些機動進行準確描述也是困難的。因此,為了達到好地跟蹤效能,一些研究人員提出使用一個更加龐大的模型集,讓模型集無限趨近於完備,雖然可以解決機動模式精確匹配的問題,但是有三點技術瓶頸:其一,由於飛行器多種多樣,它們所可能採用的機動模式更是紛繁複雜,逐一對其進行描述是不現實的;其二,模型集越龐大,用於選優計算的代價也越大,選優的計算量是與模型集的數量成指數關係增長的,對計算機的計算能力要求超乎想象,計算時間相應增加,增加了跟蹤的延遲時間;其三,由於探測資訊的不確定性,即使模型集是完備的,來自過多模型的不必要競爭反而會使選優效能下降,使用更加龐大的模型集也未必能提高效能。

 

在目標跟蹤過程中 ,目標機動會引起跟蹤模型和目標的實際運動狀態失配 ,因此目標跟蹤演算法的最大困難在於機動檢測。在機動目標的跟蹤中 ,IMM演算法是一種能比較好解決該難題的演算法。IMM演算法〔1〕是採用幾個固定數目的模型互動來跟蹤機動目標。演算法中的一個模型對應一種可能的目標狀態 ,每一模型為真的機率用一個機率函式來計算 ,模型的轉換用一個轉換機率矩陣來控制。各個子濾波器的濾波值加權混合得到互動輸出的狀態估計值。一架民用飛機可以被認為執行不同的飛航模式 ,譬如 ,直線運動、常加速度運動、常轉彎速率運動。在IMM演算法中應包含這樣的幾種運動狀態。

 

在備份ATC系統中的應用