文档介绍：—, ://...
.,.,...—:『..
:./.—... /: ——
◎
知识辅助的多模型机动目标跟踪算法
黄建军王全辉胡坚耀
.深圳大学信息工程学院,深圳,;.工业和信息化部电子第五研究所,广州,
摘要:多模型机动目标跟踪技术是一种先进的目标跟踪算法。由于目标类型越来越多、运动环境越
来越复杂,仅使用位置量测进行目标跟踪变得越来越难以满足应用要求。除位置量测之外,引入目标和
环境相关的知识,对多模型算法中的模型集、转移概率矩阵和模型概率这个关键因素进行自适应调
整,可以有效提高机动目标跟踪性能。本文对知识辅助多模型机动目标跟踪算法的原理和方法等进行
了分析。按照知识作用的对象模型集、转移概率矩阵和模型概率和作用方式智能法和非智能法分
别介绍了该类算法的原理及其特点,最后对该类算法下一步的研究方向和发展趋势进行了展望。
关键词:机动目标跟踪;知识辅助多模型算法;模型调整;转移概率矩阵调整;模型概率调整
中图分类号:. 文献标识码:
—
, ,
.,,,,;.,
。,,
: ———~.
,
.
,
,.., , —
. —
——.,
—,—
—。—
,.,———
.
: ;——;;
—;
基金项目:广东省科技计划资助项目;深圳市科技计划资助项目。
收稿日期:—;修订日期:—
黄建军等:知识辅助的多模型机动目标跟踪算法
引言
世纪年代以来,受航空、航天等应用的驱动,机动目标跟踪技术进入快速发展阶段。
于年提出了零均值一阶时间相关机动加速度的模型,奠定了机动目标跟踪的研究基础。
随后出现了各种统计意义上的修正模型和自适应算法,其中周宏仁等提出的“当前”统计模型对目标
机动的预先假设比模型更加符合实际情况,被公认为是一种有效的机动目标跟踪方法’。近
年来,粒子滤波算法成为目标跟踪领域的研究热点。该算法采用基于非参数化的蒙特卡洛和递推贝叶
斯估计的滤波方法,不受系统非线性、非高斯的约束。与此同时,基于生物仿生理论的一系列目标跟
踪算法也不断涌现。如基于遗传算法及其改进的各种目标跟踪算法等,它们利用仿生学中的优化理论
来指导目标跟踪过程,在某种程度上弥补了基于确定性方法的不足。上述机动目标跟踪算法通常
采用单一的运动模型,要求运动模型能够准确地反映目标实际运动模式,当运动模型与实际运动模式相
差较大时,算法性能急剧下降。。为了解决该问题,采用多个模型同时工作的多模型目标跟踪算法应
运而生。第一代多模型算法由和提出,由广泛应用并大力推广,算法中
的所有滤波器相互之间独立工作、不进行交互,与非多模型算法的区别在于它综合了多个滤波器的输出
结果产生全局估计。在基于广义伪贝叶斯算法的基础上提出交互式多模型
,算法,该算法被认为是第二代多模型算法,与第一代不同之处是所有滤波器通过有效
的内在交互协调工作,能获得更好的估计结果。随后,在以—和为首的研究者推动下,
该算法得到了广泛的应用和发展。算法是一种基于固定模型集的算法,需要大量的模型来
保证跟踪精度。庞大的模型集不仅会导致计算量巨大,过于细化的模型空间可能破坏贝叶斯推理要求
模型间独立的要求,反而可能会降低跟踪性能。为了解决这一问题,在文献中提出了
第三代多模型算法:变结构多模型,算法。该