变结构目标跟踪3上课讲义.ppt

基于变结构多模型算法的基于变结构多模型算法的机动目标跟踪机动目标跟踪 刘福朝目录 一.摘要 二.研究背景及意义 三.国内外的发展现状 四.变结构多模型算法的提出和必要性 五.VSMM 算法的基本原理及探索 六.总结与展望 七.参考文献一 .摘要 目标跟踪技术现今已被广泛应用于军事防空系统、战场监视，民航空中管制，汽车导航等领域随着精确跟踪定位需求的增加，以及各类高速、高机动飞行器的不断涌现，目标跟踪技术的研究己经成为当今科研工作的热点二.研究背景及意义1) 目标跟踪的概念 目标跟踪是利用探测器(雷达、声纳、红外等)所获得的运动目标(飞机、坦克、舰艇等)量测，对目标的运动状态(位置、速度、加速度等)进行估计和跟踪的方法 由于量测数据中含有大量的干扰成分，有必要对量测信息进行处理，因此目标跟踪过程也是一个消除误差的处理过程 2）目标跟踪分类广义上来说，目标跟踪可以分为非机动目标跟踪和机动目标跟踪 非机动目标跟踪指的是被跟踪的目标做匀速或匀加速直线运动，这时最基本的跟踪算法就能满足跟踪要求 机动目标跟踪是指目标速度的大小和方向都发生变化时的跟踪，如果用一般的跟踪算法会产生很大的误差3）军用和民用领域的应用 在民用领域，机动目标跟踪用于空中和地面交通管制、GPS 导航等； 在军用领域，为达到目标被摧毁或失效的目的，要求准确快速地对目标进行跟踪，以便给武器系统提供准确、实时的目标状态，是实现武器控制的前提，它可用于弹道导弹防御、空防预警、空中攻击、战场监视等。

4）目标跟踪算法分类目标跟踪算法可以分为两类：单模型（Single Model, SM）算法和多模型（Multiple Model, MM）算法 由于机动目标跟踪涉及到的是不确定性混合估计问题，单模型算法会由于事先建立的目标运动模型与实际目标运动模型不匹配而导致滤波发散，从而降低跟踪精度甚至完全跟踪丢失 多模型算法是在同一时刻同时使用多个模型，各模型基于其匹配滤波器同时并行工作，最终的整体估计值是对各个滤波器的估计值进行加权得到的因此，多模型算法比单模型算法有更好的适应能力5）变结构多模型（VSMM）算法大多数的多模型算法都使用同一个模型集合，即固定结构（Fixed Structure, FS） 当目标强机动的运动模式一旦超出固定结构模型集合的范围，就会造成模型失配而影响估计精度解决这个问题的一个方法就是扩大模型集合，但这就带来了一个新的问题，算法需要大量的模型来保证跟踪精度，但是一个庞大的模型集合必然会使得算法的计算量大大增加，并且来自过多模型的不必要的竞争也会使算法的性能下降要解决这个矛盾，一个自然的想法就是在拥有一个庞大模型集合的同时，算法会根据目标当前的状态在其中选择合适的子模型集合。

这就是变结构（Variable Structure, VS）思想下面通过一个框图来理解变结构思想三.国内外的发展现状对于机动目标的跟踪，国内外专家学者做了许多研究工作R.A.Singer于1970年提出了加速度时间相关模型，即 Singer 模型，认为目标的机动加速度是一个零均值的平稳时间相关过程，其统计特性满足均匀分布但是其加速度均匀分布的假设与实际情况存在较大出入，若加速度变化较大则 Singer 模型就不很适用了因此，Moose 等引入非零加速度分量，提出了相关高斯噪声模型，该模型把机动当作由马尔科夫过程转移概率确定的一系列有限指令 1977年C.B.Chang和R.H.Whiting把可调白噪声法应用到机动目标跟踪领域，此方法通过观测信息的变化来探测机动的开始和结束1983年，我国学者周宏仁提出了“当前”统计模型，其在Singer模型基础上引入了加速度均值项，认为目标加速度的“当前”统计概率密度服从修正的瑞利分布上述方法都是基于单模型的机动目标跟踪算法 1965年，Magill提出了第一代多模型（MM）算法，该算法使用包含有限个模型的固定模型集合，各模型并行滤波，由于各个模型之间没有交互，因此对目标机动模式较多的情况不太适用。

针对这个问题，H.A.P.Blom和Y.Bar-shalom提出了交互式多模型（IMM）算法，该算法同样使用一个包含有限个模型的模型集合，不需要通过机动检测其最大的特点是各个模型之间有交互，对假设运动模式是马尔科夫或半马尔科夫过程的目标有较好的跟踪效果交互式多模型（IMM）算法是在机动目标跟踪领域常用算法之一，也是固定结构多模型（FSMM）算法的典型代表但是，FSMM算法存在一定的局限性所以近年来，X.R.Li等人在IMM算法的基础上，提出了变结构多模型（VSMM）算法VSMM算法是一种具有时变模型集合的算法，它不仅能利用量测序列中的实时系统模型信息，也能将FSMM算法很难利用的目标先验信息利用起来，使其突破了固定结构的限制，有更好的适应性四.变结构多模型算法的提出和必要性变结构控制是前苏联学者Eme1yanov、Utkin和Itkin在六十年代初提出的一种设计方法 本质上是一类特殊的非线性控制，其非线性表现为控制的不连续性 当初研究的主要是二阶和单输入高阶系统，并用相平面法来分析系统特性 进入七十年代，则开始研究状态空间线性系统，使得变结构控制系统设计思想得到了不断丰富，也提出了多种变结构设计方法。

这些 FSMM 算法能在处理一些能用一个小容量模型集合就能描述的理论问题时表现较好但是，当处理实际环境中的问题时，情况要复杂得多总的来说，FSMM 具有以下局限性：1)FSMM 算法的一个基本前提假设是系统模式在任意时刻都可以用一个固定的模型集合来表述但这假设往往是不成立的，现实情况时甚至可能完全不知道目标可能的运动模式2) FSMM 算法使用大量的模型虽然可以保证与目标实际运动模式不完全失配但是由于估计值融合机制本身的原因，过多的模型集合必将带来更多的模型间的竞争，也会导致性能恶化3） FSMM 算法使用的模型集合所包含的模型数目越多，计算量和占用的存储空间就越多4）因为受固定结构的模型集合限制，FSMM 算法很难利用各类先验信息如果要覆盖所有情况则必然需要一个庞大的模型集合，又会导致上述2和3的问题 因为这些局限性的存在，1992年，X. R. Li 做出了突破多模型算法固定结构的尝试，在不受固定结构模型集合的限制下，创立了变结构多模型（VSMM）算法的理论基础，用更具有普遍性的VSMM 算法框架描述了 MM 算法通常来说，当一个目标的运动模式越复杂时，VSMM 算法相比 FSMM来说优势就更大。

五.VSMM 算法的基本原理及探索假设 VSMM 算法所需要的所有模型集合是由一系列独立且相容的模型集合序列所构成的，VSMM 算法可以考虑两级分层结构：1.上层是模型集合序列2.下层是模型序列考虑到计算量的问题，VSMM 应该选择一个单一的模型集合，且要保证这个模型集合是对当前目标状态来说“最优”的 这个模型集合可以通过模型集合自适应（Model-Set Adaptation）来得到这也就是递归自适应模型集合（Recursive Adaptive Model-Set, RAMS）算法 就目前发展情况来看，这是唯一可用的 VSMM 理论算法，现在几乎所有类型的 VSMM 算法都是基于RAMS 方法的 通常来说，一个周期的 RAMS 算法主要要完成以下两个步骤的工作： （1） 模型集合自适应这是算法的决策部分它要根据获得的先验信息以及该时刻的量测信息来决定该时刻使用哪个模型集合来运行多模型算法2） 模型集合条件估计这是算法的估计部分，相当于传统的多模型算法，可已经将之称为 VSIMM 算法只是它是在由模型集合自适应得到的模型集合的基础上进行的 具体包含以下各部分： 1）初始化初始化各个模型的初始概率并初始化其对应的匹配滤波器2）重新初始化。

通常使用交互后的信息进行重新初始化3）模型匹配滤波4）模型概率计算5）估计融合几种相关算法 1.模型组群切换算法 （Model-Group Switching, MGS） 算法的基本思想是：多模型算法每一个所使用的 模型集合可以通过一定的准则通过在一系列模 型组群中切换得到这也是目前唯一能用于混合估计问题的算法，是 RAMS 模型集合自适应的典型方法2基于无味有向图切换的VSMM算法 模型集合构成有向图（设一个模型集合由 5 个模型组成）3个模型集合D1 D2 D3分别以M1 M2 M3为中心概率大于门限值时切换UDS-VSMM 算法的流程图 在跟踪超高音速飞行器中曾应用UDS-VSMM 算法 但是 UDS-VSMM 算法也存在一定问题，如并不能在当前时刻就做出有向图切换，而只能在下一时刻才能做出反应，这也是该算法不是“最优”的模型集合自适应解决方案但是其便于实现性和极强的实效性和极高的费效比，使得其在工程实践中能很好地得到应用 3基于模型集合序列似然比检测的 VSMM 算法 算法流程如下 4 变结构多模型联合概率数据关联（ Variable Structure Multiple-Model Joint Probability Data Association, VSMMJPDA）算法。

目前，跟踪多机动目标最具代表性的算法就是将交互式多模型（IMM）算法和联合概率数据关联（JPDA）算法按照一定的方式结合起来，从而推导出交互式多模型联合概率数据关联（IMMJPDA）算法该算法可以适用于密集杂波环境下的多机动目标跟踪问题根据上述几种算法分析，尝试将变结构多模型的思想运用到 IMMJPDA 算法中，形成变结构多模型联合概率数据关联VSMMJPDA算法 文献18给了相关仿真验证结果，通过结果分析尽管目标的运动比较简单，但是跟踪效果明显地比单目标的时候要差，但是对比传统 IMMJPDA 有了提高但是此算法还存在很大的改进空间，值得进一步研究 另外文献19提出了：一种变结构增强型多模型算法(VS-AIMM)文献20提出了：一种改进的变结构多模机动目标跟踪算法文献21提出了：一种基于角速度修正的变结构多模型目标跟踪算法六.总结与展望1.总结 机动目标跟踪是数据融合系统的一个重要组成部分，在军事和民用领域有着广泛应用前景 在分析了传统的机动目标跟踪算法的基础上，利用变结构多模型的思想对它们进行了进一步研究主要研究成果现概括如下： （1）研究了机动目标跟踪的基本要素，并详细阐述了交互式多模型算法的原理。

（2）着重介绍了变结构多模型算法的必要性及其基本原理，然后提出了基于序列似然比检测的变结构多模型算法结果可以看出该算法在跟踪精度上有了一定的该进，但是计算量并没有得到有效地下降 （3）提出了基于无味有向图切换的变结构多模型算法并对该算法和传统的 IMM 算法进行了比较，验证了该算法的有效性和优势虽然UDS-VSMM 算法存在一定问题，但是其便于实现性和极强的实效性和极高的费效比，使得其在工程实践中能很好地得到应用 （4）针对多机动目标跟踪问题，主要研究了 JPDA 算法，并在其基础上有机结合了 VSMM 算法，致力于将变结构的思想利用到多机动目标的跟踪问题上，初步提出了 VSMMJPDA 算法结果表明，变结构的思想是可以和数据关联问题相结合的，但是如何优化这一问题则有待进一步研究 2.展望 如何更好地对机动目标进行跟踪是一个很重要的问题本文详细讨论了这方面的问题，并取得了一定的成果，也做出了一些探索然而，变结构思想在一些问题上的实现还有很多值得进一步探讨的地方：(1)对其它模型集合算法进一步研究(2)解决模型结合切换时延等问题(3)把多模型思想应用于数据关联和多机动目标跟踪进行更进一步研究。

七.参考文献1韩崇昭,朱洪艳,段战胜.多源信息融合M.北京:清华大学出版社,2006:124-126.2周宏仁,敬忠良,王培德.机动目标跟踪M.北京:国防工业出版社,1991:51-65.3杨万海.多传感器数据融合及其应用M.西安:西安电子科技大学出版社,2004:1-18.4R.A.Singer,K.。