吕梅柏，赵小锋，刘广哲

(1.西北工业大学，陕西 西安 710072；2.航天飞行动力学国防重点实验室，陕西 西安 710072；3.海军驻西安导弹设备军事代表室，陕西 西安 710065)

0 引言

随着现代空战中目标机动性的增强及机动方式的增多，对导弹末制导阶段的目标准确跟踪提出了严峻的挑战。当目标机动较大时会大大降低导弹的拦截精度，需要对目标运动参数进行滤波，选择合适的目标跟踪模型和滤波估计算法是提高目标跟踪精度的有效途径之一[1]。

在传统的匀速(CV)、匀加速(CA)及Singer等模型中，选取的状态变量无法对机动转弯目标进行准确描述，而机动转弯模型(CT)通过引入转弯角速度，较好地解决了坐标耦合问题[2]。由于空中目标的机动具有很大不确定性，采用单一模型无法完整描述空中大机动目标的运动。交互式多模型算法(IMM)通过马尔可夫转移矩阵实现多个模型之间的切换，是目前解决未知机动问题的一种有效方法[3]。

在导弹末制导阶段，由导引头测量到的目标信息是在球坐标系中进行描述的，导致系统具有非线性[4-5]。常用的非线性滤波算法有扩展卡尔曼滤波算法(EKF)及无迹卡尔曼滤波算法(UKF)等。EKF算法在线性化的过程中会引入模型误差，在系统的非线性较强时容易发散[6]，UKF在使用时需调节三个参数，且采样点数目的增加导致计算量增大，不利于进行实时计算。容积卡尔曼滤波算法(CKF)采用一组容积点集计算随机变量在非线性变化后的均值和协方差，具有更优的非线性逼近性能和滤波精度，且实现简单[7]。……