交互式多模型与动态规划结合的机动目标检测跟踪算法

本文介绍了一种创新的机动目标检测前跟踪方法，该方法结合了交互式多模型（IMM）滤波与动态规划算法，旨在解决传统动态规划算法在处理快速机动目标时的局限性。在近程毫米波雷达探测环境中，算法构建了包括匀加速运动、匀速转弯和匀速运动在内的多种模型，通过动态规划考虑模型间的转换和预测，以适应不同运动状态的目标，从而改善跟踪效果。 1. 动态规划检测前跟踪基础 动态规划（DP）算法是TBD技术中的一种关键方法，它通过逐级优化策略对目标轨迹进行全局搜索，提高检测和跟踪的效率。在雷达系统中，尤其是对于红外弱目标，DP算法表现出色，但当面对快速机动目标时，其性能会受到限制，因为搜索范围的设定依赖于目标的初始速度，对于非匀速运动的假设可能导致匹配失败。 2. 交互式多模型滤波 交互式多模型（IMM）滤波器是解决模型不确定性问题的有效手段，它结合了多个运动模型，并实时更新模型概率，以适应目标的动态变化。在本文提出的算法中，IMM滤波器用于调整不同运动模型的概率，并基于这些概率对模型状态进行加权估计，确保对机动目标的准确跟踪。 3. 目标运动模型集 针对近程毫米波雷达环境中的行人和机动车辆，算法定义了一个包含匀加速、匀速转弯和匀速运动的模型集。这些模型覆盖了目标可能的运动模式，使得算法能更好地适应实际环境中的复杂运动。 4. 目标量测模型 量测模型描述了从雷达接收信号到估计目标位置的过程。假设量测平面有Nx×Ny个分辨单元，每个单元的观测噪声独立，算法通过处理每组数据来更新目标状态，并结合IMM滤波器进行概率更新。 5. 仿真与性能比较 通过仿真对比，新算法显示出了相对于传统DP算法更优的机动目标检测和跟踪能力，验证了其在工程应用中的实用性。 6. 结论 本文提出的新算法克服了传统动态规划在处理机动目标时的局限性，结合IMM滤波提高了检测前跟踪的精度和适应性，为雷达系统处理快速机动目标提供了有效工具，具有广阔的应用前景。 该研究为雷达系统中的目标跟踪提供了新的解决方案，特别是在应对快速变化运动状态的目标时，其性能提升显著，对于未来雷达系统的设计和改进具有重要的理论和实践意义。