本文研究基于IMMJPDA 算法的多机动目标跟踪，并对IMMJPDA 算法中聚矩阵的构成进行了改进。当目标
采用不同模型时，将产生多个相互独立的聚矩阵和可行矩阵，同时得到相应的可行矩阵的条件概率。最后利用模型
概率对上述条件概率进行加权求和得到关联概率。改进后的IMMJPDA 算法在RMSE 超调性能上有了一定的提高。

交互式多模型算法中模型集选择的分析研究.doc

交互式多模型跟踪算法的模型组合问题研究.doc

针对机动目标跟踪过程中建立的目标模型和目标的实际运动模式出现失配的问题,提出了从一组离散模型集中选出最优模型,并自适应调整模型参数,使模型逼近目标实际运动模式的交互式多模型算法。蒙特卡罗仿真表明,该算法与传统的常速模型与自适应协同转弯模型交互算法(IMM-CV/ACT)相比,在目标发生强机动时,能及时有效的把跟踪误差峰值控制在测量标准差之下,适合于强机动目标跟踪。

基于交互式多模型与多传感器联合概率数据互联的机动多目标跟踪算法，翟茹玲，汤三，针对机动目标在跟踪过程中，实际目标运动形式的复杂性和目标机动的不确定性，文中研究了基于卡尔曼滤波的交互式多模型算法，通过

交互式多模型粒子滤波算法综述.doc

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：交互式多模型目标跟踪_UKF和EKF滤波_IMM雷达多目标跟踪_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

用于机动目标跟踪的交互式多模型算法完整实现程序

针对粒子滤波算法存在的粒子退化现象和重要性密度函数难以选取等问题，在研究交互式多模型滤波算法的基础上，设计一种基于随机加权自适应IMMUPF算法。首先，该算法在无迹粒子滤波的采样过程中融合了随机加权和交互式多模型滤波的优点，利用无迹卡尔曼滤波算法得到[k]时刻各模型估计最新量测信息的粒子；然后，对该组粒子进行输入交互作为各模型的输入，再经过模型匹配、重采样以及模型概率更新过程；最后，对各模型相对应的粒子进行输出交互，得到所有粒子的随机加权自适应和的表达式，循环更新粒子实现状态估计。将设计的算法应用于GPS/DR组合导航系统中进行仿真计算，结果表明，该算法计算得到的位置误差较UPF和IMMUPF有所减少，东向位置误差控制在[-8 m,+6 m]，北向位置误差控制在[-8 m,+8 m]，提高了GPS/DR组合导航系统定位的解算精度。

交互式多模型算法matlab程序，有ca和cv两个基本模型。