假定有r 个模型：
其中X（k）为目标状态向量，Aj为状态转移矩阵，Gj为系统噪声作用矩阵，Wj（k）是均值为零，协方差矩阵为Qj的白噪声序列。
可用一个马尔可夫链来控制这些模型之间的转换，马尔可夫链的转移概率矩阵为：
测量模型为：
其中Z（k）为量测向量，H为观测矩阵，V（k）为量测噪声，已知其方差为R（k）。W（k）和V（k）是零均值且相互独立。
IMM算法可归纳如下4 个步骤。
步骤1 输入交互：
根据两模型（k-l）时刻的滤波值和模型概率，计算交互混合后的滤波初始值，包括模型1 的滤波初始值：滤波估计值X 01
（k - 1）和估计协方差μ1（k - 1）；模型2 的滤波初始值：滤波估计值X 02
（k - 1）和估计误差协方差P02
（k - 1）。设系统在（k-1）时刻模型1 概率为μ1（k - 1），滤波值X1
（k - 1），估计误差协方差为P2（k - 1）。模型2 的概率为μ2（k - 1），滤波值为X 2
（k - 1），系统估计误差协方差为P2（k - 1）。则进一步推广到r 个模型，交互后r模型的滤波初始值为：
步骤2 模型条件滤波：
对应于模型Mj（k），以X 0j
（k - 1|k - 1），P0j（k - 1|k - 1）及Z（k）作为输入进行卡尔曼滤波。
卡尔曼预测方程：
预测误差协方差阵：
卡尔曼增益：
滤波方程为：
波误差方差阵：
步骤3 模型概率更新：
i = 1rΛj（k）cj_，而Λj（k）为观测Z（k）的似然函数：
其中：
步骤4 输出交互：
图2 为IMM算法结构原理图
4 车辆运动模型分析与IMM算法跟踪仿真
实验设计：考虑两辆车在道路上同向行驶，在0~10 s 时，两车均保持匀速直线运动，由安装在后车上的车载毫米波雷达检测出与前车的距离为100 m，相对速度为-3 m/s，方位角2°。
在10~15 s 时，前车向右偏转，与后车的相对角加速度为1° s2。
后车加速，与前车的纵向相对加速度为a = -1.8 m/s2。雷达的扫描周期为T=0.1 s，系统噪声为σα = 0.3 m/s，σβ = 0.3°/s。量测误差为σ1 = 1 m?σ2 = 0.5 m/s?σ3 = 0.2°/s。
车辆匀速直线运动模型：
车辆加速运动模型：
嵌入式系统电源设计方案 本文探讨便携嵌入式系统电源设计的注意事项以及设计中应遵循的准则。这些原则对任何具有强大功能且必须以电池供电的便携嵌入式系统电源设计都是有帮助的。根据本文描述的构造模块，读者可以为特定设计选择合适的器 为什么论坛我上传不了图片，一上传就卡死了为什么论坛我上传不了图片，一上传就卡死了
一个是你浏览器的问题；还有一个就是你的图片分辨率太大了，论坛最大分辨率只支持3000*3000像素。谢谢，我试试
了解的那么清楚~~~璐 求助运放稳定性问题如下图霍兰德电流源，输入为交流正弦信号，运放分裂电源供电。只不过恒流源驱动的是个容性负载，正反馈那条支路反馈的信号会被采样电阻和负载电容形成的低通给延迟掉（直观上看是这
2/3 首页 上一页 1 2 3 下一页 尾页 |
在线客服1号