张晴月++蒋志迪

【摘 要】为实现水下机动目标的精确跟踪，提出了一种基于当前统计模型的水下目标自适应跟踪算法。该算法引入当前统计模型作为模型基础，并结合卡尔曼滤波算法，通过自适应调整滤波增益，对目标当前状态进行实时估计，较为准确地反映水下目标实际机动特性，解决了传统卡尔曼滤波算法不能有效跟踪水下目标转弯、变速等复杂机动情况的问题。仿真结果表明，在6000 m×5000 m×3000 m的水下三维空间内，算法跟踪效果较好，有效实现了对水下机动目标的精确跟踪。

【关键词】水下目标跟踪 当前统计模型 卡尔曼滤波 自适应跟踪法

1 引言

近年来，陆地资源逐渐被开采殆尽，海洋资源的勘测与开发便越来越受到世界各国重视，水下目标跟踪技术也因此得到不断发展，对其精度的要求变得越来越高。

在复杂的水下环境中，目标运动存在转弯、加速等多种复杂机动的可能。建立机动目标运动模型是对目标进行跟踪的基础[1]。目前，描述目标机动运动的模型主要有Jerk模型、交互多模型、当前统计模型等[2]。其中，Jerk模型在目标机动性较高的情况下具有良好的跟踪效果，但在处理阶跃机动时存在确定性误差，性能有所限制。交互多模型利用多个运动模型交互进行加权估计，适合于多运动状态跟踪的处理，但受模型集影响，性能较依赖于单个模型，易出现模型偏差问题[3]。当前统计模型作为非零均值时间相关模型，具有加速度自适应特性，能较准确地估计机动目标当前状态，机动实时适应能力较强，并有良好的鲁棒性，受到广泛应用[4]。……