一种自适应IMM的飞行器轨迹测量滤波算法

郑可旺，张 雷

(中国飞行试验研究院， 西安 710089)

轨迹测量是通过雷达、光电设备、GPS设备等试验测试系统对目标运动过程中的位置、速度和轨迹等信息进行获取的过程。是航空、航天、汽车、船舶试验测量过程中的重要技术[1-2]。目前在采用雷达、光电经纬仪、激光测距机等设备对飞行器轨迹测量过程时，必须通过滤波方法的方法对结果数据进行预测和修正，使航迹测量结果更加精确。研究表明，在跟踪或测量机动目标时，交互多模型(Interacting Multiple Model，IMM)算法是一种有效提升目标跟踪的方法[3-6]。其通过运用多个模型分别来匹配目标不同的运动状态，并认为不同运动模型间的转移概率是一个马尔可夫过程，然后完成然对机动目标开展自适应模型匹配，从而提升了机动目标的测量精度。中外学者将IMM算法分别与非线性卡尔曼滤波[7-11]、粒子滤波[12-13]等算法相结合，通过滤波器的改进提升状态观测的精度。本研究结合飞行器机动的特点，利用不匹配模型误差压缩率的更新信息调整马尔可夫状态转移矩阵，实现快速切换模型的目的；并结合自适应无迹卡尔曼滤波(AdaptiveUnscented Kalman Fliter AUKF)算法，进一步改善飞行器轨迹测量滤波效果，提高了机动飞行器轨迹测量精度。

1 IMM算法

IMM算法包含多个模型和与之对应的滤波器，各模型之间按照马尔可夫转移概率进行切换[14-15]。图1为交互模型算法原理框图，根据目标运动特性，建立一个具有有限个数的模型集，对于目标跟踪而言，可以是匀加速运动模型(CA)、匀速运动模型CV、不同机动概率的Singer模型和当前统计模型[16-17]等。……