科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了在保证实时性的同时准确跟踪水面强机动目标，提出了一种基于模糊推理强跟踪粒子滤波和自适应交互式多模型(STPF-AIMM)的水面目标跟踪算法．首先，针对交互式多模型在跟踪强机动水面目标时出现的模型概率切换抖动剧烈或过切换问题，利用交互式多模型中各模型的概率平均变化率替代瞬时变化率，并引入衰减与抑制因子，优化转移概率矩阵自适应更新策略；然后，将强跟踪状态相关黎卡提粒子滤波融入改进后的交互式多模型算法中，并采用库尔贝克-莱布勒散度重采样方法，以提高目标强机动时的跟踪精度；最后，结合创建的强机动模糊推理系统实现粒子滤波与强跟踪状态相关黎卡提粒子滤波算法相互切换，进而减少耗时．实验结果表明：算法能够有效跟踪强机动目标，通过优化转移概率矩阵切换策略和调整估计算法综合提高了75.83%的跟踪精度，并且算法缩减了11.28%的单周期渐消因子计算耗时，缓解了引入新滤波算法带来的耗时增加问题．
- 单位
