聂晓华，张夫鸣

(南昌大学 信息工程学院，　南昌 330031)



·数据处理·

针对临近空间目标跟踪的自适应AMCKF算法

聂晓华，张夫鸣

(南昌大学 信息工程学院，南昌 330031)

摘要：临近空间飞行器具有机动特性复杂、运动轨迹多阶段性等特点，在目标跟踪的过程中，易出现由于系统模型误差较大导致跟踪精度降低、滤波发散的问题。针对该问题，在容积卡尔曼滤波的过程中加入衰减因子，通过衰减记忆的方法补偿模型误差；同时，提出了一种实时辨识容积卡尔曼滤波衰减因子的方法，达到自适应跟踪的目的。仿真结果表明：衰减记忆容积卡尔曼滤波算法能够很好地解决模型失配问题，自适应算法实时对衰减因子赋值，避免了衰减因子取值的困难，可以达到更好的跟踪效果。

关键词：临近空间；容积卡尔曼滤波；衰减记忆；自适应算法

0引言

临近空间一般泛指距离海平面高度10 km到100 km的高空区域，临近空间飞行器逐渐成为该领域的研究热点。此类飞行器的机动速度、加速度均非常大，如近几年出现的X-51A高超声速飞行器[1]，有着机动特性强、运动轨迹变化快等显著特点。如何良好地对临近空间目标进行跟踪成为一个备受关注的问题，对相关跟踪算法的研究也具有重要的军事战略意义。

众所周知，卡尔曼滤波算法在线性高斯条件下可以获得状态估计的最优输出，该理论建立在已知系统模型、观测模型和噪声统计分布的基础上，当不满足这些条件时，估计误差将会增大。……