李国新，何英杰，许海涛

（1.长安大学 信息工程学院，陕西 西安 710064；2.中国石油独山子石化分公司 新疆 克拉玛依 833600）

在目标跟踪中，可靠而精确的目标跟踪是目标跟踪系统设计的主要目的。而对目标跟踪技术的研究，在军事以及民用领域中都有着十分重要的意义。对于目标跟踪问题的解决，不同的学者提出过不同的解决方案。常规的卡尔曼滤波算法（KF）对线性高斯型的系统能得到最优估计，对非线性、非高斯系统的问题的解决主要有两类，一类是函数近似法；另一类是基于采样方法的近似法。

解决非线性滤波问题的最优方案，需要得到其目标状态后验概率密度函数的完整描述[1]。然而在实际问题中这很难。以往对非线性估计问题的处理，主要是通过扩展卡尔曼（EKF）来解决。但是扩展卡尔曼滤波对非线性的状态方程或观测方程作线性化处理在稳定性、收敛精度、收敛时间上往往难以满足要求。由于近似非线性函数的概率密度分布比近似非线性函数更容易，使用采样方法近似非线性分布来解决非线性问题的途径在最近得到了人们的广泛关注。采样近似法是用带有权值的样本集来近似目标的状态后验概率密度，典型的算法粒子滤波（PF）算法。PF摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件，适用于非高斯非线性条件[2]。

1 非线性滤波方法

1.1 状态空间描述

为定义非线性滤波问题，首先引入状态空间模型：

其中，fk为状态方程，wk-1是过程噪声。……