基于imm的uk-gmphdf算法在多机动目标跟踪中的应用

？为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(imm)的无迹卡尔曼实现的高斯混合概率假设密度滤波(uk-gmphdf)算法.该算法结合了imm算法对不同目标机动模型的自适应能力和uk-gmphd滤波精度高、计算量小的优点.此外,滤波器利用uk-gmphd滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的uk-gmphdf算法进行了比较,仿真结果表明了基于imm的uk-gmphdf算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.