魏 祥，李 颖，骆荣剑

（陆军工程大学通信士官学校，湖北 武汉 430000）

“当前”统计模型作为处理机动目标的重要方法之一，在目标处于机动状态下，利用该算法对目标进行跟踪一直是该领域的研究热点，“当前”统计模型采用非零均值的时间相关模型，该模型相对Singer模型来说，一个最大的不同在于假设具有机动的目标加速度不能任意变化，机动目标下一时刻的加速度只能在机动目标当前时刻的加速度附近进行变化，因此基于“当前”统计模型的机动目标跟踪得到了广泛的研究[1-3]，并且对机动目标的跟踪性能相对较好[4-5]。

在多目标跟踪中，基于“当前”统计模型的自适应卡尔曼滤波的联合概率数据关联算法对杂波环境下的多机动目标跟踪具有良好的性能。但由于基于“当前”统计模型的自适应卡尔曼滤波需根据经验值对机动频率和加速度方差进行预先设定，根据经验值预先设定往往难以满足复杂环境下的多机动目标跟踪，预先设定的经验值可能造成状态过程噪声过大或过小，在利用联合概率数据关联算法对多目标进行关联跟踪时，这样的状态过程噪声将直接影响目标的量测预测值，影响落入跟踪门内的量测数目。在杂波数的增加、目标相互交叉以及目标发生机动等情况下，目标误跟及跟踪丢失现象就会发生，严重情况下，将会导致大量目标跟踪丢失，通过控制跟踪门可以有效减少杂波数进入跟踪门内的数量，也可以有效减少相互交叉的公共区域，从而减小计算量以及杂波之间的相互干扰。……