孔德明，杨 丹，王书涛

(燕山大学 电气工程学院，河北 秦皇岛 066004)

1 引 言

为了准确地获得目标当前的位置和状态信息，高精度的跟踪技术变得越来越重要[1]。为了获得准确稳定的跟踪，必须有效地去除测量误差[2]，精准获得目标运动状态估计参数，需要准确地对目标的运动状态进行估计[3],常见的模型有匀速运动模型(constant velocity,CV)、匀速度转弯运动模型(constant turn,CT)、匀加速度运动模型(constant acceleration,CA)、Singer模型[4]以及当前统计(current statistical,CS)模型。但是单一的运动模型在处理复杂的机动目标跟踪问题上容易出现较大的误差，甚至出现目标丢失的情况[5]。针对这个问题，Bar-Shalom提出了交互式多模型(interactive multiple model,IMM)算法[6]，该算法引入了马尔科夫状态转移概率矩阵，使每个模型的输入状态都与一个动态模型相关联，并且使得这些所有的模型都相互作用，从各个模型的滤波器得出的状态估计通过加权得到最终状态估计。

IMM算法的出现使得目标跟踪不再是单一模型的匹配问题，传统交互式目标跟踪算法的模型采用的是固定结构固定参数，虽然能够克服单一模型对运动目标匹配误差大的缺点，但是模型集的固定使得在处理复杂场景的机动目标跟踪问题时只能通过增加模型个数来提高测量的精度。这将会导致该算法在一方面降低运算速度，在另一方面模型之间的竞争也会降低跟踪的精度的问题[7]，并且模型参数的固定使得测量环境一旦发生较大的变化，模型将不再适合当前的测量情况，加大了估计误差。

对于固定结构参数IMM算法存在的问题，有关学者提出了许多有关跟踪准确性的算法。……