摘 要：交互式多模型（Interacting Multiple Model，IMM）算法是当前处理机动微弱目标检测跟踪问题的主要研究方法，但是该算法使用的粒子数较多，导致算法的运行时间变长。本文章将传统的交互式多模型算法与改进的拟蒙特卡罗智能粒子滤波思想相融合，提出了一种适用于非线性、非高斯系统的拟蒙特卡罗粒子滤波交互式多模型检测前跟踪算法。
　　关键词：交互式多模型；拟蒙特卡罗；智能粒子滤波；机动微弱目标
　　一般对机动弱目标进行定位与跟踪[ 1 ]，常常使用交互式多模型（Interacting Multiple Model，IMM）算法和粒子滤波（Particle Filter，PF）算法结合即IMMPF-TBD算法[ 2 ]本文中提出基于改进的拟蒙特卡罗[ 3 ]交互式多模型检测前跟踪算法（Interacting Multiple Model- Improve Quasi-Monte-Carlo Intelligent Particle Filter Track Before Detect，IMM-IQIPF-TBD）。
　　1 IMM-IQIPF-TBD算法
　　多模型IQIPF算法增添了模型变量，在采样进行粒子状态更新以及粒子权值更新时都是以模型变量为条件。原理图如下图1所示：
　　2 仿真及性能分析
　　在本小節我们将针对具体环境进行实验仿真分析。本节将对IMMPF-TBD和IMM-IQIPF-TBD两种算法，进行性能的实验仿真，并对结果进行比较。
　　仿真环境如下：目标在5?t?15内和25?t?35内做匀速直线运动。在16?t?24，目标的角速度ω=0.2rad/s，做的是一种CT运动。在，目标沿x轴方向，在36?t?42秒，目标以角速度 ω=-0.2rad/s做CT运动，在42?t?50，目标沿x轴方向做匀速的直线运动。
　　仿真1：在这里我们的信噪比设为5dB，粒子数设置为1000，IMM-IQIPF-TBD算法、IMMPF-TBD的估计航迹与真实航迹进行对比，仿真结果如图2所示。
　　图2的仿真图中可以看出相比较与IMMPF-TBD算法，IMM-IQIPF-TBD算法更能很好的描述目标运行的一个轨迹，由图可知，IMM-IQIPF-TBD算法在目标转弯时的收敛速度快，相应的跟踪效果就更好。
　　参考文献：
　　[1] 万九卿，梁旭，马志峰.基于自适应观测模型交互多模型粒子滤波的红外机动目标跟踪[J].电子学报，2011，39（3）：602-608.
　　[2] 吕铁军，蒋宏，梁国威，等.改进的交互式多模型粒子滤波目标跟踪算法[J].弹箭与制导学报，2013，33（3）：9-11.
　　[3] 郭云飞，唐学大，骆吉安，等.一种基于QMC-APF的检测前跟踪算法[J].现代雷达，2015，37（2）：33-36.