IMM-UKF算法优化：提升两坐标雷达-光电融合跟踪系统定位精度

本文主要探讨了在两坐标雷达-光电融合跟踪系统中, 使用交互式多模型无迹卡尔曼滤波器(Interactive Multiple Model Unscented Kalman Filter, IMM-UKF)进行改进和应用的方法。雷达与光电传感器的数据融合是现代目标识别和跟踪中的关键技术，它们各自的优势互补能够提高系统的定位精度和鲁棒性。在动态运动目标定位过程中，由于传感器数据可能存在异常值（野值）和滤波跟踪的发散问题，这些问题如果不处理，可能会导致定位结果的不准确。 作者针对这些问题，提出了一个集成抗野值性能的IMM-UKF算法。该算法在两坐标雷达提供的距离和方位角信息基础上，通过建立参数求解模型，推算出目标的俯仰角。同时，光电传感器提供的角度信息被有效融合，以增强滤波效果。通过实验和仿真验证，结果表明，这种改进的IMM-UKF算法能够有效地融合雷达和光电数据，消除野值的影响，抑制滤波过程中的发散，从而显著提高目标定位的精度和稳定性。 文章的关键点包括光电子学、数据融合、交互式多模型无迹卡尔曼滤波算法的应用，以及雷达技术中的野值抵抗策略。该研究对于提升复杂环境下动态目标跟踪的性能具有重要意义，为实际的军事、航空航天和智能交通等领域提供了有价值的理论支持和方法优化。在未来的研究中，可能还会进一步探讨如何优化算法的实时性和适应性，以满足不断增长的实时定位需求。