インタラクティブなカルマン フィルタリング:
前のセクションでは、一般的なカルマン フィルター、つまり線形リンクで使用される線形カルマン フィルター (KF)、拡張カルマン フィルター (EKF)、およびアンセンテッド カルマン フィルター (UKF) を紹介しました。このセクションでは、制約をさらに強化し、カルマン フィルターの新しいバリアントをさらに探索します。
問題の説明
以前紹介したカルマンフィルターは対象の運動モデルを一つとして扱っていますが、現実には明らかに無理があります。実際のターゲットの動きのほとんどは 1 つのモーション モデルだけでは記述できず、複数のターゲット モデルを切り替える必要があり、このセクションで紹介した対話型マルチモデル カルマン フィルターはこの状況に対処するために使用されます。
インタラクティブなマルチモデル カルマン フィルター (IMM) の原理
IMM アルゴリズムは、並列処理に複数のカルマン フィルターを使用します。各フィルターは異なる状態空間モデルに対応し、異なる状態空間モデルは異なる目標操作モデルを記述します。したがって、各フィルターはターゲットの状態を異なる方法で推定します。IMM アルゴリズムの基本的な考え方は、特定のモデルが現時点で有効であると仮定して、各時点ですべてのフィルターの状態推定値を混合することによって、特定のモデルに一致するフィルターの初期条件が取得されるというものです。その後、各モデルは並列にフィルタリングを実行し、最後に、モデル一致尤度関数に基づいてモデルの確率が更新され、すべてのフィルタによって修正された状態推定値が結合 (加重和) されて状態推定値が取得されます。したがって、IMM アルゴリズムの推定結果は、各時点で完全に正しいモデル推定を選択するだけではなく、さまざまなモデルから得られた推定を組み合わせたものになります。
IMM アルゴリズムの一般的な手順を以下に説明します。
したがって、ステップ 4 の全体状態推定式によれば、フィルタの合計出力は複数のフィルタの推定結果の加重平均であることがわかります。重みは、モデルが現時点でターゲットの動きを正しくモデル化している確率であり、モデル確率と呼ばれます。
Matlab シミュレーション解析
シミュレーションパラメータ:
ステップ 1 ～ 20: CV モデルによるターゲット操縦; 21 ～ 30: 旋回モデルによるターゲット操縦、w=-pi/180;
31 ～ 60: CA モデルによるターゲット操縦。他のパラメータは以前のシミュレーションと一致しています
。 シミュレーション結果:
シミュレーション分析:
追跡軌道グラフと追跡誤差曲線から、IMM アルゴリズムは複数の運動モデル間で切り替わるターゲットの軌道に対して優れた追跡効果を持っています。
Matlab シミュレーション プログラム:
由于某些原因，程序不便上传
需要的话加Q:1806831629,备注：交互式多模型卡尔曼滤波
最後に次のように書きます。
ここに書いてありますが、実際には追跡アルゴリズムの半分以上が導入されており、上で紹介したアルゴリズムでは 1 つのターゲットのみを追跡しますが、実際には複数のターゲットを同時に追跡する必要がある場合があります。次のセクションでは、マルチターゲット追跡のトピックをさらに紹介します。