陈 政，刘 康

（昆明理工大学信息工程与自动化学院，云南 昆明 650500）

0 引言

卡尔曼最初提出的滤波基本理论只适用于线性系统，并且要求量测也必须是线性的[1]。卡尔曼算法可以看成是一种贝叶斯方法，贝叶斯方法通过对模型引入先验分布，并利用似然函数求解后验分布的方法来对模型中的不确定性进行建模[2]。在线性估计算法的发展历程中，卡尔曼滤波扮演了重要的角色，但该算法实现的前提是系统模型已知，与实际工业中的状态估计问题不相符[3]；同时，真实环境中卫星雷达受到的非高斯闪烁噪声进一步加重了后验概率密度的非高斯特性[4]，于是，传统的卡尔曼滤波已经不再适用[5][6]。由此带来了改变后的使用到非线性系统观测中的滤波理论，如无迹卡尔曼滤波器（UKF），可用于导航、目标状态估计、飞行器轨道确定等领域并获得了良好效果，但噪声统计特性未知时，UKF滤波精度下降[7]。

全球卫星导航系统在许多领域都发挥出了重要的作用，并且仍然在不断地改进与创新[8]。近年来，随着我国空间技术的发展，在轨运行的卫星越来越多[9]。卫星侦察范围广，可对目标进行长时间、大范围的连续侦察和监视，获取情报的时效性强，是现代侦察中不可或缺的重要手段[10]。人造卫星在空中飞行，当自身携带的能源耗尽时便被回收。基于此，设计出来一个复杂计算度低、精确度高的非线性动态系统的滤波算法尤为重要，本文结合EM算法和无迹卡尔曼滤波算法，提出一种新的方法，仿真结果表明，本文提出的方法滤波精度较高，能够有效的跟踪目标。……