改进交互式多模型算法：状态相关模态切换的航迹预测提升精度

本文主要探讨的是"基于状态相关模态切换混合估计的航迹预测"这一主题，针对航空器飞行轨迹预测中的复杂性，传统的随机线性混杂系统估计问题，通常采用交互式多模型(Interactive Multiple Model, IMM)算法进行处理。IMM算法在实际应用中存在一个关键局限，即它假设似然函数为零均值高斯分布，这在某些情况下可能并不符合航空器飞行的实际动态特性。 作者提出了状态相关模态切换的混合估计算法(SDTHE)，该方法旨在解决这一问题。SDTHE不再受限于单一的高斯分布假设，而是根据实时状态更新的模态转移矩阵，动态地调整飞行模态的估计，提高了飞行轨迹预测的精度。相比于标准的IMM算法，SDTHE更注重状态关联性和模态间的切换策略，能够更准确地捕捉航空器的运动模式，如匀速直线、匀速转弯和加减速直线等，以及在三维空间中的横向、纵向和垂直运动。 在航空器动力学模型和最优估计理论相结合的背景下，SDTHE方法结合了模型的多样性和卡尔曼滤波等算法的优点，有效地处理了飞行轨迹预测中的多模态性。通过减少算法的复杂度，同时保持性能，SDTHE在实际仿真中展现出了显著的有效性和优越性。这对于空中交通管理的冲突探测与解脱、进离场航班排序等任务具有重要的意义，有助于提升飞行安全性、运行效率，并增强管制员的工作能力。 文章的关键词包括航迹预测、交互式多模型、混合系统和模态估计，这些都是研究的核心概念。研究者张军峰和隋东汤新民来自南京航空航天大学民航学院，他们的工作得到了国家自然科学基金、江苏省自然科学基金以及波音和中国商飞的联合资助。这篇论文的发表对于推进航空器轨迹预测技术的发展，特别是在航空交通管理和智能空管系统领域，具有一定的理论价值和实践意义。