摘要：针对交互式多模型(IMM)算法中模型集的设计问题,提出一种模型集设计方法.在已知真实模式概率分布函数的情况下,根据要求的模型数目,等概率划分模式空间,在每个等概率模式空间上,利用方差的含义获得最大范围地覆盖模式空间的模型集,并给出一个例子说明模型集的设计方法.应用Monte-Carlo仿真,将所设计的模型集用于IMM算法进行目标跟踪.仿真结果显示跟踪精度高,表明了该模型集设计方法的有效性.

摘要：多模型方法是混合估计的主流方法之一,以该方法估计不变结构半弹道式再入飞行器(SBRV)混合状态的难点在于设计有效的模型集.文中提出了一种伪Monte Carlo模型集可以使SBRV混合状态估计器在最小均方差(MMSE)意义下接近于最优.SBRV的再入估计具有高度的非线性,同时其模式由多个边界已知的参数张成.给出了这种伪Monte Carlo模型集的设计方法,并分析了其性能特征.该模型集相比于Monte Carlo方法生成的模型集有更高的精度,理论分析和仿真结果表明了新设计模型集的有效性与合理性.

摘要：地理信息能够减少由于地面目标由于机动而带来的建模不确定性,因而有助于提高对地跟踪性能。通过利用地理信息自适应精简目标运动模型集,提出了一种广义对地跟踪框架,以避免模型间的过度竞争,减少了计算负荷。基于此框架,进一步给出了一种广义的地图调整方差法(EMTV),并给出了自适应模型集精简及模型参数设计的策略。仿真结果表明,EMTV算法与传统的卡尔曼滤波及地图调整方差法(MTV)相比,有较好的性能。

摘要：设计了一种仅仅使用两个模型实现对机动目标精确跟踪的多模型算法,采用了含有法向和切向加速度的加速度均值自适应的当前统计模型和扩展后的常速模型进行交互。该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强。仿真结果表明,该算法对目标的跟踪精度明显优于传统的使用3个以上模型交互的IMM-CV/CT算法。由于本算法能够估计出目标的法向和切向加速度,进行适当的模型集设计后,可以实现对复杂、快速机动目标的全过程跟踪,具有可扩展性的应用前景。

摘要：以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle,SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle,BRV)和机动再入飞行器(Maneuvering reentry vehicle,MaRV),本文分析了该飞行器再入特征,提出了新的模型并分析了该模型与传统再入模型间的关系.对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation,EMA)集.根据SBRV的圆柱体状模式空间的需求,文中扩展了现有的方法以设计F-均匀模型集,进而提出一种EMA集的实现形式.前者在分布最小失配意义下使估计器最优;后者相比于前者具有更高的估计精度.仿真结果表明,相比于传统Monte-Carlo法生成的模型集,在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度,在该飞行器状态变化剧烈时有更高的混合状态估计精度.

摘要：为了提高机动目标的跟踪精度,提出了一种使用2个模型实现对机动目标跟踪的多模型算法,采用当前统计模型和扩展后的常速模型组成的模型集进行交互。该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强。该算法对目标的跟踪精度优于传统的使用3个以上模型交互的IMM-CV/CT算法,仿真结果证明了该算法的有效性。