1.算法描述

IMM算法的基本思想是用多个不同的运动模型匹配机动目标的不同运动模式，不同模型间的转移概率是–个马尔可夫矩阵，目标的状态估计和模型概率的更新使用卡尔曼滤波。

交互式多模型 IMM（Interacting Multiple Model）控制算法的主体思想是基于贝叶斯理论而提出的模型间的自动识别与切换：在任意跟踪时刻，通过设置对应目标可能模型数量的模型滤波器来进行实时的机动模型检测，对每一个滤波器设置权重系数和模型更新的概率，最后加权计算得出当前最优估计状态，从而达到模型自适应跟踪的目的。

机动目标模型描述了目标状态随着时间变化的过程。一个好的模型抵得上大量的数据。当前几乎所有的目标跟踪算法都是基于模型进行状态估计的。在卡尔曼滤波器被引入目标跟踪领域后，基于状态空间的机动目标建模成为主要研究对象之一。

从算法层面，在机动目标跟踪系统中，常用的滤波算法是以卡尔曼滤波器为基本框架的估计算法。卡尔曼滤波器是一种线性、无偏、以误差均方差最小为准则的最优估计算法，它有精确的数学形式和优良的使用效能。卡尔曼滤波方法实质上是一种数据处理方法，它采用递推滤波方法，根据获取的量测数据由递推方程递推给出新的状态估计。由于计算量和存储量小，比较容易满足实时计算的要求，在工程实践中得到广泛应用。
交互多模型(Interacting Multiple Model，简称IMM)算法具有自适应的特点，能够有效地对各个模型的概率进行调整，尤其适用于对机动目标的定位跟踪。交互式多模型算法包含了多个滤波器（各自对应着相应的模计器，一个交互式作用器和一个估计混合器），多模型通过交互作用跟踪一个目标的机动运动，各模型之间的转移由马尔可夫概率转移矩阵确定，其中的元素表示目标由第i个运动模型转移到第j个运动模型的概率。

在并行计算后，得到多个模型的后验概率，再结合每个模型的滤波估计输出结果，就可以计算各模型交互融合后的联合状态估计结果。
计算目标状态估计：

计算目标状态估计协方差：

2.仿真效果预览

matlab2022a仿真结果如下：

3.MATLAB核心程序

%%函数2 动态模型
T=2;
I=diag([1,1,1,1,1,1]);
Phi=[1,T,0,0,(T^2)/2,0;0,1,0,0,T,0;0,0,1,T,0,(T^2)/2;0,0,0,1,0,T;0,0,0,0,1,0;0,0,0,0,0,1];
H=[1,0,0,0,0,0;0,0,1,0,0,0];
G=[(T^2)/2,0;T,0;0,(T^2)/2;0,T;1,0;0,1];
R=[10000,0;0,10000];     %  观测噪声方差阵
alpha=0.8;               %  加权衰减因子
window=1/(1-alpha);      %  检测机动的有效窗口长度
Xm_estimate(k-1,:)=Xm_est;
if qq==1   %由非机动进入机动模型，需进行修正， 初始化Xm_predict(k,:)=Xm_pre;Xm_estimate(k,5)=[z1(1)-Xm_predict(k,1)]*2/(T^2);Xm_estimate(k,6)=[z1(2)-Xm_predict(k,3)]*2/(T^2);Xm_estimate(k,1)=z1(1);Xm_estimate(k,3)=z1(2);Xm_estimate(k,2)=Xm_estimate(k-1,2)+Xm_estimate(k,5)*T;Xm_estimate(k,4)=Xm_estimate(k-1,4)+Xm_estimate(k,6)*T;% 修正协方差阵Pm_estimate(1,1)=R(1,1);Pm_estimate(3,3)=R(2,2);Pm_estimate(1,2)=R(1,1)*2/T;Pm_estimate(2,1)=Pm_estimate(1,2);Pm_estimate(3,4)=R(2,2)*2/T;Pm_estimate(4,3)=Pm_estimate(3,4);Pm_estimate(1,5)=R(1,1)*2/(T^2);Pm_estimate(5,1)=Pm_estimate(1,5);Pm_estimate(3,6)=R(2,2)*2/(T^2);Pm_estimate(6,3)=Pm_estimate(3,6);Pm_estimate(5,5)=[R(1,1)+P(1)+P(2)*2*T+P(3)*T*T]*4/(T^4);Pm_estimate(6,6)=[R(2,2)+P(4)+P(5)*2*T+P(6)*T*T]*4/(T^4);Pm_estimate(2,2)=R(1,1)*4/(T^2)+P(1)*4/(T^2)+P(3)+P(2)*4/T;Pm_estimate(4,4)=R(2,2)*4/(T^2)+P(4)*4/(T^2)+P(6)+P(5)*4/T;Pm_estimate(2,5)=R(1,1)*4/(T^3)+P(1)*4/(T^3)+P(3)*2/T+P(2)*6/(T^2);Pm_estimate(5,2)=Pm_estimate(2,5);Pm_estimate(4,6)=R(2,2)*4/(T^3)+P(4)*4/(T^3)+P(6)*2/T+P(5)*6/(T^2);Pm_estimate(6,4)=Pm_estimate(4,6);Xm_est=Xm_estimate(k,:);qq=0;%修正后，标志qq复位（不再初始化），ua1设为１０，使不进入非机动模型ua1=10;m=0;
else %  滤波方程Xm_predict(k,:)=(Phi*Xm_estimate(k-1,:)')';Q=[(Xm_estimate(k-1,5)/20)^2,0;0,(Xm_estimate(k-1,6)/20)^2];Pm_predict=Phi*Pm_estimate*(Phi)'+G*Q*G';K=Pm_predict*(H)'*inv(H*Pm_predict*(H)'+R);Xm_estimate(k,:)=(Xm_predict(k,:)'+K*(z1-H*Xm_predict(k,:)'))';Pm_estimate=(I-K*H)*Pm_predict;Xm_est=Xm_estimate(k,:);m=m+1;delta(k)=[Xm_estimate(k,5),Xm_estimate(k,6)]*[Pm_estimate(5,5),0;0,Pm_estimate(6,6)]*[Xm_estimate(k,5);Xm_estimate(k,6)];if m>=windowua(k)=delta(k)+delta(k-1)+delta(k-2)+delta(k-3)+delta(k-4);ua1=ua(k);elseua1=10;end
end
A105

4.完整MATLAB

基于目标运动模型和观测模型的交互多模算法IMM卡尔曼滤波目标跟踪matlab仿真相关推荐

交互式多模型算法IMM——机动目标跟踪中的应用
机动目标跟踪--交互式多模型算法IMM 原创不易,路过的各位大佬请点个赞 WX: ZB823618313 机动目标跟踪--交互式多模型算法IMM 机动目标跟踪--交互式多模型算法IMM 1. 对机动目 ...
基于IMM和UKF的三维路径预测跟踪matlab仿真,模型包括匀速模型CV,匀加速模型CA以及常速率协同转弯模型CSCT
目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述 IMM(交互式多模型)方法是Blom H．A．P．于1984年提出的.多模型方法主要用于特性随时问变化系统的状态估计,所以它特 ...
【智能优化算法】基于融合莱维飞行与黄金正弦的蚁狮算法求解单目标优化问题matlab代码
1 简介针对蚁狮优化算法较易陷入局部最优停滞.收敛精度低以及收敛速度较慢等问题,将莱维飞行机制和黄金正弦算法融合到蚁狮优化算法中,提出了融合莱维飞行与黄金正弦的蚁狮优化算法( LGSALO) .该算 ...
基于FXLMS算法有源降噪毕业论文【matlab仿真】
一.论文简介以超声信号特征为依据,结合小波频段变更降噪法和经验分解降噪法对比分析,根据超声无损检测模型,将不同带宽的噪声加入到需要采集的噪声,运用MATLAB对目标信号进行降噪处理,并对金属材料存在 ...
【MATLAB教程案例11】基于PSO粒子群优化算法的函数极值计算matlab仿真及其他应用
FPGA教程目录 MATLAB教程目录 -------------------------------------------------------------------------------- ...
基于Luca-Kanade光流算法的图像运动场提取matlab仿真
目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述光流是一种运动模式,这种运动模式指的是一个物体.表面.边缘在一个视角下由一个观察者(比如眼睛.摄像头等)和背景之间形成的明显移 ...
【优化求解】基于柯西变异和自适应权重优化的蝴蝶算法求解单目标优化问题matlab代码
1 简介针对基本蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在的收敛精度较低.容易陷入局部最优解的问题,提出柯西变异和自适应权重优化的蝴蝶算法(Cauc ...
【蝗虫算法】基于混合柯西变异和均匀分布改进蝗虫优化算法求解单目标优化问题matlab代码
1 简介传统蝗虫优化算法在处理优化问题时依然存在收敛速度慢,易陷入局部最优的不足.为此,提出了融合混沌映射和柯西变异机制的非线性蝗虫优化算法CCGOA.通过融合混沌Tent映射与反向学习机制,对种群 ...
基于PSO粒子群算法的MPPT最大功率跟踪Simulink仿真,PSO采用S函数实现
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 MPPT控制器的全称是"最大功率点跟踪"(Maximum Power Point ...

基于目标运动模型和观测模型的交互多模算法IMM卡尔曼滤波目标跟踪matlab仿真

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

基于目标运动模型和观测模型的交互多模算法IMM卡尔曼滤波目标跟踪matlab仿真相关推荐

最新文章

热门文章