张 莹，贺丰收，郑世友

基于强跟踪滤波器的交互式多模型算法

张 莹，贺丰收，郑世友

针对传统的EKF-IMM算法鲁棒性较差等问题，提出了一种基于强跟踪滤波器（STF）的交互式多模型算法。该算法通过引入强跟踪滤波器（STF）的渐消因子，实现了对滤波器增益的实时调节，从而提高了系统对机动目标的自适应跟踪能力和跟踪精度。仿真结果表明，在目标不发生机动时，该算法和EKF-IMM算法的跟踪效果相近，在目标发生强机动时，该算法在径向速度和方位角的跟踪精度要优于EKF-IMM算法；提出的算法具有更优的机动目标跟踪性能。

机动目标跟踪；交互式多模型；强跟踪滤波器；渐消因子；自适应“当前”统计模型

1 引言

目标跟踪算法为了获得较高的跟踪精度，大多采用交互式多模型（IMM）算法，这种算法在多模型算法的基础上考虑多个模型的交互作用，以此得出目标的状态估计[1]。在实际应用中，由于测量值多在极坐标系下获得，目标运动模型往往用直角坐标系描述，两者间关系是非线性的，因此IMM在应用中主要是基于扩展卡尔曼滤波（EKF）算法。随着扩展卡尔曼算法研究和应用的深入，其缺点也日益明显，如扩展卡尔曼滤波器自身鲁棒性较差，容易导致模型受参数影响较大等问题[2]。

考虑到强跟踪滤波器（Strong Tracking Filter，STF）的鲁棒性强，能自适应跟踪机动目标等优点[3]，本文提出了一种基于强跟踪滤波器的交互式多模型算法。通过在滤波器中引入STF渐消因子，可以根据目标机动情况，动态地调节滤波器增益矩阵，增强了系统对目标机动的自适应能力。……