刘扬，国强，吴钦章

(1.中国科学院光电技术研究所，四川成都610209;2.中国科学院研究生院，北京100049;3.哈尔滨工程大学 信息与通信工程学院，黑龙江哈尔滨150001)

变结构多模型算法(VSMM)［1］是近年来发展起来的一种有效的机动目标跟踪算法，它克服了交互多模型(IMM)算法的缺陷，费效比IMM算法高，在运算量及其实现的复杂度与跟踪性能之间达到了较好的平衡，因此，近年来受到越来越多的关注.VSMM算法的技术核心是模型集合自适应(MSA)策略.MSA策略用于确定每一个时刻参与状态估计的有效模型集.目前已经提出的MSA策略包括模型集切换(MGS)［2］、可能模型集(LMS)［3］、期望模式修正(EMA)［4］等算法.其中EMA算法发展较为成熟，应用较为广泛.本文以该算法为基础，分析EMA算法存在的局限性，同时引入可能模型集(LMS)技术和自适应网格(AG)技术，实时产生一个混合模型网格，最后利用最优融合原理得到系统的整体估计.

1 EMA算法及其局限性

EMA算法的基本思想是:首先设定一个相对较大且结构固定的模型集M来覆盖整个系统模式空间，同时利用固定模型集M的滤波结果，实时产生一个与系统真实模式更为匹配的修正模型C，并利用修正模型C再次对机动目标进行滤波估计，最后利用最优融合原理得到系统的整体估计，从而达到利用修正模型C对固定模型集M的滤波结果进行修正的目的.

EMA算法中的固定模型集M所包含的模型在一个连续模式(加速度)空间S内均匀分布，每一个模型被看作模式空间中的一个点，具……