蔣繼娟 李亭亭
摘 要:交互式多模型(Interacting Multiple Model,IMM)算法是當(dāng)前處理機(jī)動(dòng)微弱目標(biāo)檢測跟蹤問題的主要研究方法,但是該算法使用的粒子數(shù)較多,導(dǎo)致算法的運(yùn)行時(shí)間變長。本文章將傳統(tǒng)的交互式多模型算法與改進(jìn)的擬蒙特卡羅智能粒子濾波思想相融合,提出了一種適用于非線性、非高斯系統(tǒng)的擬蒙特卡羅粒子濾波交互式多模型檢測前跟蹤算法。
關(guān)鍵詞:交互式多模型;擬蒙特卡羅;智能粒子濾波;機(jī)動(dòng)微弱目標(biāo)
一般對機(jī)動(dòng)弱目標(biāo)進(jìn)行定位與跟蹤[ 1 ],常常使用交互式多模型(Interacting Multiple Model,IMM)算法和粒子濾波(Particle Filter,PF)算法結(jié)合即IMMPF-TBD算法[ 2 ]本文中提出基于改進(jìn)的擬蒙特卡羅[ 3 ]交互式多模型檢測前跟蹤算法(Interacting Multiple Model- Improve Quasi-Monte-Carlo Intelligent Particle Filter Track Before Detect,IMM-IQIPF-TBD)。
1 IMM-IQIPF-TBD算法
多模型IQIPF算法增添了模型變量,在采樣進(jìn)行粒子狀態(tài)更新以及粒子權(quán)值更新時(shí)都是以模型變量為條件。原理圖如下圖1所示:
2 仿真及性能分析
在本小節(jié)我們將針對具體環(huán)境進(jìn)行實(shí)驗(yàn)仿真分析。本節(jié)將對IMMPF-TBD和IMM-IQIPF-TBD兩種算法,進(jìn)行性能的實(shí)驗(yàn)仿真,并對結(jié)果進(jìn)行比較。
仿真環(huán)境如下:目標(biāo)在5?t?15內(nèi)和25?t?35內(nèi)做勻速直線運(yùn)動(dòng)。在16?t?24,目標(biāo)的角速度ω=0.2rad/s,做的是一種CT運(yùn)動(dòng)。在,目標(biāo)沿x軸方向,在36?t?42秒,目標(biāo)以角速度 ω=-0.2rad/s做CT運(yùn)動(dòng),在42?t?50,目標(biāo)沿x軸方向做勻速的直線運(yùn)動(dòng)。
仿真1:在這里我們的信噪比設(shè)為5dB,粒子數(shù)設(shè)置為1000,IMM-IQIPF-TBD算法、IMMPF-TBD的估計(jì)航跡與真實(shí)航跡進(jìn)行對比,仿真結(jié)果如圖2所示。
圖2的仿真圖中可以看出相比較與IMMPF-TBD算法,IMM-IQIPF-TBD算法更能很好的描述目標(biāo)運(yùn)行的一個(gè)軌跡,由圖可知,IMM-IQIPF-TBD算法在目標(biāo)轉(zhuǎn)彎時(shí)的收斂速度快,相應(yīng)的跟蹤效果就更好。
參考文獻(xiàn):
[1] 萬九卿,梁旭,馬志峰.基于自適應(yīng)觀測模型交互多模型粒子濾波的紅外機(jī)動(dòng)目標(biāo)跟蹤[J].電子學(xué)報(bào),2011,39(3):602-608.
[2] 呂鐵軍,蔣宏,梁國威,等.改進(jìn)的交互式多模型粒子濾波目標(biāo)跟蹤算法[J].彈箭與制導(dǎo)學(xué)報(bào),2013,33(3):9-11.
[3] 郭云飛,唐學(xué)大,駱吉安,等.一種基于QMC-APF的檢測前跟蹤算法[J].現(xiàn)代雷達(dá),2015,37(2):33-36.