武青海，曲朝阳

(1.吉林农业科技学院电气与信息工程学院，吉林 吉林 132101； 2.东北电力大学信息工程学院，吉林 吉林 132012)

0 引言

目标跟踪技术广泛应用于军事、交通、航海和导航等领域，在目标跟踪算法中，通常应对目标运动模型进行合理建模，才能得到目标的速度和位置信息的正确估计，然而对机动目标来讲，其运动规律会发生改变，会造成所建模型与目标实际运动不匹配，此时需要采用机动目标跟踪算法进行跟踪。

IMM算法可并行计算，并采用不同子模型描述目标不同运动规律，能够较好地描述目标的机动，因此在机动目标跟踪中得到广泛研究和应用。文献[1-4]分别采用卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)作为IMM算法的子模型，以跟踪高斯系统的机动状态，但不适用于噪声条件非高斯的系统。文献[5]采用粒子滤波(PF)作为IMM算法子滤波器，能够处理非高斯噪声假设，但多个子模型采用大量粒子，计算量过大。

文献[6-10]中提到了无偏有限脉冲响应滤波(UFIR)算法，由于该算法对噪声统计特性不敏感，能够不计初始状态的影响，且具有较好的鲁棒性，能够处理非噪声条件下系统的跟踪问题，与KF相比，在实际应用中可获得更好的效果。文献[11]提出一种简单形式的极限迭代UFIR算法，其迭代形式更加简洁，能够较好地应用于实际工程。

针对噪声假设不满足高斯假设的机动目标跟踪问题，本文提出基于IMM-极限迭代UFIR的机动目标跟踪算法，采用极限迭代UFIR算法作为IMM算法子模型，交互输出跟踪结果，提升算法对非高斯机动目标的跟踪能力，相比IMMPF算法，计算耗时问题得到改善。……