针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph,AD-VSMM)算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph,CG-VSMM)算法.通过分析传统AD-VSMM算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系.根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整.Monte Carlo仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM)算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.
根据临近空间高超声速目标运动特点,建立了临近空间高超声速目标运动模型;针对机动目标跟踪问题,在"当前"统计(Current Statistical Model,CS)模型基础上,引入一种利用位置估计值与加速度之间的函数关系自适应调整加速度方差的方法(Adaptive of Distance EstimateAlgorithm,ADE),并运用交互多模型算法,提出了ADE-IMM(Adaptive of Distance Estimate Al-gorithm-Interacting Multiple Model Algorithm)算法,提高了算法对临近空间高超声速目标的跟踪精度。仿真结果表明:该算法兼顾了Singer-IMM算法和CS-IMM算法在跟踪临近空间高超声速目标方面的优点,有更好的跟踪精度。
根据临近空间高超声速目标运动特点,建立了临近空间高超声速目标运动模型。针对机动目标跟踪问题,在"当前"统计模型基础上,引入一种利用位置估计值与加速度之间的函数关系自适应调整加速度方差的方法(Adaptive of Distance Estimate,ADE),并运用交互多模型算法(Interacting Multiple Model Algorithm,IMM)提出了ADE-IMM算法;然后对IMM中马尔可夫转移概率先验给定的缺点,提出了基于时变马尔可夫转移概率的ADE-IMM算法。仿真表明,改进的算法比ADE-IMM算法具有更好的跟踪精度。
