[发明专利]一种基于模型切换次数受限的多模型机动目标跟踪滤波方法

说明书

一种基于模型切换次数受限的多模型机动目标跟踪滤波方法，涉及机动目标跟踪领域，具体涉及一种多模型的机动目标跟踪滤波方法。本发明为了解决现有多模型滤波不能描述高阶模型切换先验信息的问题以及在保证较高滤波精度时存在计算量大的问题。本发明首先对2阶模型序列中的模型进行建模，并基于跳变次数受限的假设设置2阶模型序列的转移概率p_ijl，然后初始化k为1、2时估计状态向量和相对应的协方差及2阶模型序列概率，然后对k≥3时的状态用模型切换次数受限的多模型机动目标跟踪滤波方法进行滤波。本发明适用于模型切换次数受限的多模型机动目标跟踪滤波。

技术领域

本发明涉及机动目标跟踪领域，具体涉及一种多模型的机动目标跟踪滤波方法。

背景技术

在目标跟踪的模型不确定问题中，H.A.P.Blom，Y.Bar-Shalom.“The interactingmultiple model algorithm for systems with Markovian switching coefficients，”IEEE Transactions on Automatic Control，vol.33(8)，pp.780-783，1988提出了经典的交互式多模型滤波方法。该经典方法使用模型转移概率来自动识别当前使用的模型，进行模型切换，从而实现在多模型下的自适应滤波估计。但缺点是估计精度不是很高，且依赖于模型转移概率的设置。当模型不变转移概率的值设置很大时，虽然在模型不变区域误差会减少，但同时却会增大模型切换区域的误差，并且从模型切换区域到模型不变区域的误差收敛速度会减慢。

改进的方法如P.Suchomski，“High-order interacting multiple-modelestimation for hybrid systems with Markovian switching parameters，”International Journal of Systems Science，vol.32(5)，pp.669-679，2001中提出的广义高阶多模型滤波方法，虽然利用高阶模型序列能提高估计精度，但却以增加大量计算为代价。

毕欣，杜劲松，王伟，高洁，田星，赵越南，赵乾，丛日刚，仝盼盼，李想，张清石，徐洪庆，高扬等人的“一种基于自适应转移概率矩阵的交互多模型跟踪方法(申请号：CN201410715327.7)”和周卫东，蔡佳楠，孙龙，沈忱，郑兰等人的“一种具有最优运动模式切换参数的交互式多模型目标跟踪方法(申请号：CN201410234810.3)”的专利都对交互式多模型方法进行了改进，通过对一阶模型转移概率进行修正，进一步提高滤波精度，但这些方法并没有利用更多的先验信息，估计精度有待进一步改进。

因此，仍需要一种更好的多模型滤波方法，通过利用更多的先验信息，使得既有很高的滤波精度，同时又保持计算量小的特点。

发明内容

本发明为了解决现有多模型滤波不能描述高阶模型切换先验信息的问题以及在保证较高滤波精度时存在计算量大的问题。

一种基于模型切换次数受限的多模型机动目标跟踪滤波方法，包括：

步骤1：对机动目标的2阶模型序列中的模型m_i、m_j、m_l进行建模，并基于跳变次数受限的假设，设置2阶模型序列的转移概率p_ijl，表示从模型序列m_im_j跳变到模型m_l的概率；i、j、l分别为用于区别模型m_i、m_j、m_l的序号；设模型个数为r，则i,j,l的取值范围为1～r；