崔丽珍 李丹阳 王巧利 赫佳星 史明泉

(内蒙古科技大学信息工程学院 内蒙古 包头 014010)

0 引 言

随着卡尔曼滤波在目标跟踪算法领域的广泛应用，基于动态系统模型的状态估计算法成为目标跟踪的主要算法之一[1]。在实际的跟踪过程中，目标的运动状态模式随机变化，采用单个模型不能达到很好的跟踪效果，因此采用多个模型对目标的真实运动模式进行逼近，在同一时刻各模型分别进行滤波估计，最后融合估计数据形成多模型估计算法。多模型估计算法中，IMM算法[2]融入了模型信息交互的思想，是目前应用较为广泛的跟踪算法，然而因其实际采用的模型集合为目标真实模式集合的取样，为提高跟踪精度，往往加入更多的模型，这导致了更多的模型竞争和计算量增加。为降低模型集固定对跟踪性能造成的影响，VSIMM算法假设模型集随着外界条件和实时信息的变化而变化，以该算法为基础的模型集自适应估计算法得到了广泛的研究[3]。可能模型集(Likely-Model Set,LMS)算法[4]基于模型的预测概率，通过分设高低两个阈值对模型好坏进行区分，删除不可能模型，保留一般模型，激活可能模型以达到模型集的自适应。文献[5]提出了一种基于多速率模型的变结构多模型方法，同时改善原始量测数据和自适应调整模型集。文献[6]考虑到目标的类型和环境因素，并利用相关知识对模型集进行了自适应的调整。文献[7]利用KL(Kullback-Leiber)信息评定模型优劣，去除最差的模型后再利用期望模型扩展算法增加一个新的模型，在此且称之为KL-EMA算法。……