贺军义， 郭 凯， 张 敏

(1.河南理工大学 计算机科学与技术学院，河南 焦作 454002； 2.河南理工大学 教务处,河南 焦作 454002)

0 引 言

由于GPS信号在室内复杂环境中受到遮挡而迅速衰减，导致该技术无法有效地应用到室内定位领域[1]。近年来，国内外学者对室内定位技术展开了大量的研究。室内定位方法种类繁多，如基于到达角度(angle of arrival,AOA)、基于接收信号强度(receive signal strength,RSS)、基于到达时间差(time difference of arrival,TDOA)。由于TDOA算法具有成本低、效率高等特点故成为室内定位最常用的算法[2]。

对定位数据处理是机动目标跟踪中的关键环节，要想实现对目标稳定精确的跟踪首先要准确地预估目标的运动模式[3]。经过几十年的发展，传统卡尔曼滤波算法已经衍生出多种版本。单模型(single model,SM)滤波器在线性高斯模型条件下得到较好的跟踪效果，但很难精确地适应整个运动过程，容易造成滤波器的发散[4]。基于该问题有关学者后来提出了交互式多模型(interactive multi-model,IMM)算法，该算法使用多个机动或非机动模型来描述工作过程中可能的状态，最后通过有效加权融合进行系统状态估计，较好地解决了SM估计误差较大的问题。但固定结构多模型(fixed structure multiple model,FSMM)算法的模型集是固定的，只有增加模型数量才能提高跟踪精度；变结构多模型(variable structure multiple model, VSMM)通过切换不同模型组使得模型集动态变化[5]。无论FSMM还是VSMM，提高跟踪精度必定会增加运算量，降低跟踪的实时性[6]。因此，SM算法和IMM算法都存在特定缺陷。

针对传统IMM算法融合模型集过多导致效率降低的问题，本文提出了一种基于改进IMM运动模型的融合Singer的交互式多模型(Singer-insetted interactive multiple model,SIMM)跟踪算法。……