·134 智能系统学报 第5卷 特征为，也就是说，对应系统状态向量X中的 X元素.则Huk为 oh LM 0 ohLM aX4ae 0… (40) 第9+2×所，列到0+2×+1) 2×(9+2m k- ykeu -yeu 0 8hLM √(x-塔)+(3-)了 √(-)+(0-)户 aXuk (41) yo-yu 是-好5 √(x-+)产+(-+)了 √(2-)'+(2-y4) 18 yi-yu ihLA √(-x)+(0-y) √(-+)2+(-y+) X (42) 喔- 0-x √(-)+(-y) √(-x4e)2+(-yg)产 式(41)、(42)分别为式(5)对于X和X的雅 将式(44)、(45)代人式(43)就可求出观测差异向 可比阵。 量V+ 接下来还需确定观测差异向量，所谓观测差异 在得到系统观测矩阵H+1和观测差异向量 向量是指：预测到的观测值和实际观测值的差异，这 ”k+基础上，对系统状态向量和协方差阵进行更新， 里记为 过程如下： -Z Xk+k+1=X6+E+Kk+1'+1, (46) - P++=Px+uk -K+IS(K).(47) Vkel (43) 式中：K+1=Pk+k(H+1)（S+1w)-为卡尔曼增 Lv z1一z使 益，ISk+=H+P+(H&+i)T+R+Ik为此刻系统 式中：z+,对于目标和特征的预测观测值， 观测协方差阵，R+1k为观测噪声阵。 2.3基于MM的SLAMOT解决方法 z+1,代表实际观测值，+代表对于目标的观测 正如前面所述，目标跟踪问题难点在于目标运 差异，代表对于特征的观测差异。 动模型的不确定性，为了解决这个问题，下面给出基 z为目标预测观测值，根据式(4)，可得： 于MM的解决方法， √(x+k-x+z)+(y+-y+) MM滤波器[1)是计算效率较高的次优状态估 计算法，其主要用于对马尔可夫切换系统(Mark arctan( yk+ulk -y+uk ovian switching systems)的估计问题.如图2所示， (44) IMM滤波过程主要分为3个部分：数据交互(inter- 设已知特征预测观测值z对应系统状态向 action)、各模态滤波(filtering)和状态组合(combina- 量中的特征引索为，则有： tion).下面给出发现目标后一次循环的处理过程： √(-x4)+(-) 1)数据交互过程.首先对于Hi,j∈M计算混合 Z= 概率值=(1/c)pi-1,其中c为归一化因数，其 arctan( ）-… 值为9=王pu-…之后对于HjeM计算初始状态 (45) 和协方差阵，即