两级自适应IMM算法
本文对基于Bayesian推理的IMM算法进行了详细分析.指出IMM算法实际上是一种模型自适应算法.当模型转移矩阵和模型概率确定后,该算法的滤波精度取决于模型集中模型对当前目标状态的逼近程度.当目标的机动性较高时,该算法存在要求细化模式空间的问题.这样将会造成模型集增大,计算负载增加,还可能会破坏Bayesian推理的完备性,导致算法性能下降.参数自适应算法能有效减小因模型误差产生的不准确性,适合高机动目标跟踪.在分析了参数自适应算法后,给出了CV模型的参数自适应算法.在此基础上,把参数自适应算法和IMM算法相结合,首次提出了两级自适应IMM算法.仿真试验中把该算法与传统的IMM算进行了比较,试验结果进一步证明了本文提出算法的有效性.
Bayesian推理 IMM算法 目标跟踪 参数自适应
李涛 王宝树 乔向东
西安电子科技大学计算机学院(西安)
国内会议
长沙
中文
264-267
2004-04-01（万方平台首次上网日期，不代表论文的发表时间）