巴宏欣 何心怡 方 正 李春芳

（空军指挥学院1） 北京 100097） （海军装备研究院2） 北京 100161）

机动目标跟踪在军事和民用等领域具有重要的用途.为此，人们建立了很多种加速度模型，如周宏仁教授提出的“当前”统计模型［1］，Kishore Mehrotra提出的Jerk模型［2］，以及在其基础上的若干改进模型等［3－4］.本文在“当前”统计模型自适应滤波算法的基础上，通过分析新息与加速度变化量之间的关系，提出了一种机动加速度方差的实时在线估计方法，使加速度方差能随加速度变化量进行合理的自适应调整，克服了“当前”统计模型在非机动或弱机动情况下方差过大而带来的跟踪精度不高等缺点，从而能更好地适应目标非机动和机动的各种情况，明显提高了对目标的跟踪精度.

1 “当前”统计模型自适应滤波算法

“当前”统计模型的自适应滤波算法是建立在卡尔曼滤波基础上的，其基本滤波方程为

当“当前”加速度为正时

当“当前”加速度为负时

由于采用了把加速度的一步预测看作是瞬时的“当前”加速度均值，即式（2）可进一步简化为

由于该算法采用机动加速度方差自适应，因此无需机动检测便能很好地跟踪机动目标，但是由于该算法在于跟踪匀速目标或机动加速度较小的目标时，加速度的方差较大，因此跟踪误差较大，精度较低.原因分析如下.

由式（7）可以看出，对于“当前”统计模型的机动加速度的方差计算，当k－1时刻估计出的加速度（k－1｜k－1）为正值，其数值越小，则（k－1）越大，当（k－1｜k－1）＝0时，（k－1）达到最大值；反之……