目標跟蹤
1目標跟蹤技術的概念
目標跟蹤技術可廣泛套用於導航，交通以及軍事相關領域。它是通過一個或多個感測器，利用計算機來完成信號處理，從而感知它所監控的環境。感測器獲取對環境中目標的有噪觀測值，並匯報給信號處理機。這些觀測值可能來源於感興趣的目標，環境背景（海、地雜波），或系統內部熱噪聲等。目標跟蹤技術要將收集這些來自於感興趣區域的觀測數據並分建立航跡，使得每個航跡的觀測來自於同一個物體或目標。這種劃分過程屬於數據關聯技術的範疇。利用各航跡中的所有觀測值中蘊涵的信息估計出每個目標的狀態特徵(比如位置、速度等) 就是目標跟蹤濾波技術。機動目標跟蹤技術是目標跟蹤濾波技術中目前正在蓬勃發展的一支。
2目標跟蹤技術發展的歷史
目標跟蹤的基本概念是Wax在1955年首次提出的。Sittler在1964年開創性的研究了多目標跟蹤理論及相關的數據關聯問題。70年代開始，機動目標跟蹤理論開始得到廣泛的關注。1975年，Bar-shalom將數據關聯和Kalman濾波結合起來套用於目標跟蹤，這標誌著多目標跟蹤系統的新的發展。
機動目標跟蹤技術的概念
在目標跟蹤濾波中，跟蹤濾波器的套用一般先要對目標運動規律進行合理的數學建模，其目標狀態（如位置，速度等）才能被準確的估計。然而，被關注目標由於原因，改變自身原有的運動規律，造成了目標運動規律和濾波器已經建立的模型不匹配，即所謂目標的機動。機動目標跟蹤技術就是當目標發生機動時，仍然能保證跟蹤濾波器能跟上目標運動方式的變化，輸出正確的目標運動軌跡。
機動目標跟蹤技術回顧
1變維濾波器
這種方法由Bar-Shalon和Birmiwal提出，該算法不依賴於目標機動的先驗假設，把機動看成是目標動態特性的內部變化，而不是狀態噪聲方差的加入。檢測手段採用平均新息法，調整方式採用“開關”型轉換，非機動時，濾波器工作在CV模型，一旦檢測到機動，濾波器便轉到CA模型上，再由非機動檢測器檢測機動消除進而轉到原來的CV模型上。優點是CV模型的頻寬確保了跟蹤的精度和抗干擾的能力；CA模型將加速度作為一個要被估計的狀態，擴充到狀態變數中，較大的濾波器頻寬，確保了目標機動情況下跟蹤的維持能力。兩個模型之間的切換需要專門的機動檢測器進行控制，這種目標運動模型自適應切換的思想，提高了算法應對模型失配情況的能力。然而它的缺點也很顯著：首先是機動檢測器的硬判決特性，判決不可避免帶來的模型誤切換以及漏切換問題,使算法的自適應性能變得遜色。
2 Singer模型算法
這類方法假定目標運動模型結構固定，認為目標的機動是由機動噪聲注入運動模型之中而引起的一種擾動，根據目標機動強度的變化，對假定的機動噪聲統計特性進行自適應調節，從而確保跟蹤性能。Singer模型將目標加速度作為具有指數自相關的零均值隨機過程建模。這種方法的優點是原理和實現很簡單，將機動的成因僅僅歸結到動態噪聲。缺點這種建模的方法很難符合目標發生機動的物理本質和真實情況。對較大機動的目標，其加劇的模型失配問題將引起的跟蹤性能的急劇下降甚至跟蹤丟失。
3 互動式多模型算法
1984-1989年，Blom和Bar-Shalom在廣義偽貝葉斯算法基礎上，提出的一種具有Markov轉移機率的互動式多模型（Interacting Mutiple Model,IMM）算法。這種算法在多模型算法的基礎上考慮多個模型的互動作用，以此得出目標的狀態估計。互動式多模型算法包含了多個濾波器（各自對應相應的模型）、一個模型機率估計器、一個互動式作用器（在濾波器的輸入端）和一個估計混合器（在濾波器的輸出端）。這種結構的優點是建模細緻；利用模型轉移的馬爾可夫性假設，實現了目標跟蹤器的自適應可變結構；有明顯的並行框架，有利於並行實現。缺點是類算法的模型先驗機率、模型轉移機率以及模型集的組成均無法先驗確知；不合理的假設，導致算法得到的目標狀態估計始終只能是混和次優解，不正確的模型降低了目標跟蹤的穩態性能。
