邱安洪（清华大学微纳电子系，北京100084）

一种改进的基于当前统计的α-jerk目标机动模型✴

邱安洪
（清华大学微纳电子系，北京100084）

提出了一种改进的基于当前统计的α-jerk目标机动模型，它假设当目标在某一时刻发生机动时，其下一时刻发生机动的取值是有限的。因此它在建立目标机动的运动模型时，就没有必要考虑机动的所有值。为提高对机动目标的位置跟踪精度，采取了在传统α-jerk目标机动模型的基础上增加一项目标机动的均值，即对目标急动进行非零均值建模，并和α-jerk目标模型仿真对比，仿真结果表明，新算法不仅能够实时估计参数α的值，而且与α-jerk目标机动模型相比，其收敛速度更快，对目标位置的状态估计更精确

机动目标跟踪；当前统计α-jerk模型；α-jerk模型；收敛速度；状态估计

1 引言

1960年，Kalman对线性系统的估值问题提出了经典的滤波算法，即Kalman滤波，随后，Kalman滤波在雷达目标跟踪、导航和测绘中得到了广泛的应用。建立目标的运动数学模型是实现Kalman滤波的一个重要环节，也是实现目标精确跟踪的基础。自20世纪70年代后，国内外学者就机动目标建模上提出很多富有效果的模型。如1970年Singer［1］提出的一阶加速度时间相关的Singer模型，1982年Bar-shalom和Birmiwal提出的的含机动检测的机动目标跟踪模型［2］，以及1984年我国学者周宏仁在Singer模型基础上提出的目标机动的当前统计模型［3］。上述文献是在目标的加速度级进行建模。1997年，Mehrotra提出了机动目标跟踪的jerk模型［4］，首次对目标加速度的导数进行建模，扩大了目标建模的阶数，并具有良好的跟踪效果。……