一个关于交互多模型算法的算法设计，滤波器采用了卡尔曼滤波，混合了匀速运动与匀速转弯运动

交互多模型算法，采用Kalman滤波器，实现CA和CV的混合机动目标跟踪

1、imm（交互多模型卡尔曼滤波器）是采用的对个卡尔曼滤波器模型同时做跟踪， 然后利用模型概率综合出，对每个模型的可行度，对每个模型输出的预测值和协方差，进行加权求平均 2、imm重点的核心在于，多个滤波器的概率的更新的方法，imm采用的是最大似然估计。 3、imm滤波器应该考虑的因素： a、选择一定个数的imm滤波器，包括较为精确的模型和较为粗糙的模型，imm滤波算法不仅描述了目标的连续运动状态 还描述了目标的机动性 b、马尔科夫链状态转移概率的选择，对imm滤波器的性能较大影响。 c、imm算法具有模块化的特性，当运动模型较为精确的时候，可以采用比较精确的运动模型。 当无法预料目标的运动规律的时候，那就应该选择更一般的模型，使得该模型具有更强的鲁棒性。

PrayayaV3 2010年03月29日最新版

单个模型无法准确的对物体追踪，利用交互滤波IMM对CV模型和CA、CT模型，实现运动的跟踪。

根据二维空间内目标作匀速直线运动和匀速圆周运动的特点，在建立目标运动模型和观测模型的基础上采用基于交互多模算法（IMM）的卡尔曼滤波器对机动目标进行跟踪。仿真结果表明，该算法不仅能够对匀速直线运动和匀速圆周运动的目标进行跟踪，而且在运动模型发生变化时，滤波误差也比较小。

ibm_fw_uefi_d6e164a-1.22_windows_32-64;解压后运行exe,选择extra to drive,解压至本地目录,进入IMM界面后 update firewall升级固件,上传解压后的ibm_fw_uefi_d6e164a-1.22_anyos_i386.upd,根据提示更新即可;

有贝叶斯框架下的 贝叶斯最优滤波、卡尔曼滤波以及扩展卡尔曼滤波、无迹卡尔曼滤波 的推导，粗略讲了粒子滤波，还有详细的IMM（交互式模型滤波 ）的推导。

联想（IBM）X3650M5服务器imm和uefi微码固件；资源内包含有imm和uefi微码固件包，可直接使用，并配有详细的文档操作说明。

交互多模型Kalman滤波在目标跟踪中的应用 MATLAB仿真实验