张 辰,彭玉旭,赵 凯

(1.长沙理工大学 a.计算机与通信工程学院; b.综合交通运输大数据智能处理湖南省重点实验室,长沙 410114;2.军械工程学院 信息工程系,石家庄 050003)

0 概述

目标跟踪系统是现代防空作战体系的核心,可在全时段对广阔空域进行侦察监视,实现情报的录取、处理与传送[1]。在系统工作过程中,传感器对目标进行观测,产生量测数据并通过信道传输到融合中心。但由于各传感器的数据预处理时间、采样速率存在差异,及信道的随机通信延迟,系统无法保证传感器产生的量测数据完全有序地到达融合中心,致使无序量测(Out-of-Sequence Measurement,OOSM)问题发生[2]。而传统的滤波算法是基于量测有序到达这一前提建立的,若直接处理这些OOSM,会引起误差的增大,故需要研究相应的滤波算法。

目前,对OOSM的处理方法有重新滤波法、缓存数据法、丢弃滞后量测法与直接更新法[3]。其中,直接更新法可在已有的目标充分统计量基础上,直接利用滞后到达的OOSM进行再更新,得到最新时刻状态估计及误差协方差矩阵[4]。该方法可在实时性与精确性之间达到平衡,因而成为无序量测的主流处理方法。针对单OOSM问题,文献[5]提出了适用于单步滞后OOSM的B1算法;文献[6]提出了最优的A1算法,并向多步滞后情形拓展,提出了Al1算法[7]。经过学者们的不断研究,单OOSM滤波算法日趋成熟。而在系统实际工作过程中,通常会有若干OOSM相继或同时出现,上述单OOSM滤波算法不能很好地解决这种OOSM问题。对此,文献[8]提出了CAl算法。CAl算法在本质上是扩维形式的A1算法,在直接离散时间模型(Direct Discrete-time Model,DDM)下是次优的,且由于建立了量测缓存区,状态输出存在一定的延迟[9]。……