竹 博，周 游，仵国锋，胡捍英

解放军信息工程大学，郑州 450002

AR预测模型的IMM跟踪算法

竹 博，周 游，仵国锋，胡捍英

解放军信息工程大学，郑州 450002

1 引言

机动目标跟踪已广泛应用于军事和民用领域，近几十年来，人们对该问题进行了广泛而深入的研究。运动模型的建立和滤波过程是机动目标跟踪两个十分重要的过程，其中，滤波过程是建立在目标运动模型的基础上进行的。

针对运动模型的建立，只有当采用的运动模型与目标的运动形式相匹配时，跟踪精度才比较理想。但是机动目标的运动形式不可能始终被单一的运动模型所表征。当前解决目标运动模型不确定的主要方法是交互式多模型滤波算法（IMM）[1-3]，其特点是可以在多个模型之间“转换”，自动调节模型概率，很适合机动目标的跟踪。然而该方法也存在问题：如果模型比较少，不能覆盖目标的运动状态，导致跟踪精度不够；模型数量比较多时，会带来模型间不必要的竞争而使得性能下降。针对滤波过程，经典非线性滤波算法有基于一阶泰勒级数展开的扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波（UKF）[4-6]。EKF的性能在很大程度上依赖于局部非线性程度，对于强非线性系统的跟踪存在较大误差，而UKF突破传统的随机采样，通过加权采样进行迭代获得参数的最优解，很好解决了非线性滤波问题。在LOS环境下，观测噪声服从高斯分布，UKF可以获得良好的跟踪性能，但是在NLOS环境下，噪声服从非高斯分布[7]，不再符合UKF的高斯假设，造成其跟踪性能明显下降，严重时导致发散。……