APP下载

角速度估计自适应的IMM三维目标跟踪算法

2012-08-27田雨芬丁全心梁国威

电光与控制 2012年10期
关键词:模型

田雨芬, 蒋 宏, 丁全心, 梁国威

(1.北京航空航天大学控制一体化技术国家级科技重点实验室,北京 100191;2.光电控制技术重点实验室,河南 洛阳 471009)

0 引言

无论在国防领域还是民用领域,目标跟踪都占据着重要的位置[1]。精确的目标跟踪是对目标进行成功打击的前提和基础。因此,提高机动目标的跟踪精度是许多科学家、工程师致力研究的课题。但是国内外大量的研究、仿真都是基于二维平面的。而现实中的许多机动往往都是在三维空间内发生的,所以将二维平面的模型和跟踪算法扩展到三维空间进行研究,具有重要的现实意义[2]。

交互式多模型算法(IMM)是将一组模型交互进行跟踪的算法。因IMM算法综合了不同滤波模型对目标状态进行估计,所以从全局角度讲,即便是三维机动目标,其跟踪性能也是比较好的[3]。但是由于目标机动具有不确定性,为了更好地覆盖大范围机动,需要利用参数估计实现模型的自适应调整(AIMM)[4]。本文通过在模型中加入角速度估计,对目标运动角速度进行滤波求精,随着时间的变化,角速度的估计值和真实值之间的差值越来越小。

本文在滤波时选用CV模型和带有角速度估计的CSCT模型进行交互。

1 三维机动模型

常速率协同转弯模型(CSCT模型)是假设目标以一个常速率V(即速度和加速度垂直)在一个平面内做圆周运动,Ω指的是角速度向量。

由于假设的目标轨迹是在同一平面内,则Ω垂直于a和v决定的平面,即Ω⊥v,a·v=0,因此有

其中w为旋转速率,并定义为

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用