张虎龙

（中国飞行试验研究院，陕西 西安 710089）

不完全量测的变维容积卡尔曼滤波算法

张虎龙

（中国飞行试验研究院，陕西 西安 710089）

针对不完全量测情况下的机动目标跟踪问题，提出一种变维容积卡尔曼滤波算法。首先，根据系统状态空间模型结构采用Kalman滤波-容积Kalman滤波（KF-CKF）为基本滤波器。其次，通过计算不完全量测的一阶矩和二阶统计矩，将不完全量测滤波问题转化为确定量测滤波问题，并导出相应的状态估计方法。最后，将其与变维滤波技术相结合，提出不完全量测下的变维CKF算法。计算机仿真实验表明：新算法具有很好的估计准确度，在机动目标跟踪应用中有着良好的应用前景。

目标跟踪；变维滤波；容积卡尔曼滤波；不完全量测

0　引　言

目标跟踪技术广泛应用于战场监控、预警、火力控制以及空中交通管理等军事和民用领域［1-4］。Kalman滤波作为一种线性系统的状态估计方法无法直接应用到具有非线性系统特征的目标跟踪背景中。为解决这一问题，人们在Kalman滤波框架下发展出一系列非线性滤波器，如扩展Kalman滤波（EKF）、无迹Kalman滤波（UKF）［5］和容积Kalman滤波（CKF）［6］；其中，CKF由于其优越的性能已广泛应用于目标跟踪领域。需要注意的是，这些非线性滤波方法必须基于有效的状态空间模型。对于机动目标而言，使用单一模型很难准确描述目标状态在机动下的变化过程。针对这一问题，Bar-Shalom［1］提出了变维滤波算法，通过使用多个状态模型全面描述系统，大大提高了机动目标的跟踪性能［7-8］。……