马健凯，包守亮，程水英

（国防科技大学电子对抗学院信息处理重点实验室，合肥 230037）

0 引言

对杂波环境下的机动目标进行跟踪，关键在于两点：一是杂波环境下的数据关联问题，二是由于目标机动所带来的状态模型与实际运动模型不匹配问题。数据关联用于在杂波环境下跟踪单目标或多目标，解决点迹与航迹的正确互联[1]。自被提出至今，已经形成了诸多算法：最近邻算法（NNSF）、最强邻算法（SNF）、概率数据互联算法（PDAF）、联合概率数据互联（JPDA）、多假设多目标跟踪算法（MHT）等等。1973年Singer和Sea设计出最近邻滤波器（NNSF），凭借其算法简单、计算量小的优势得以广泛应用[2]。而利用波门中有效量测信号强度最大进行滤波更新的最强邻滤波器（SNF），其算法同样简单有效，但由于不需要计算确认量测到预测值的距离，具有更小的计算量[3]。然而NNSF和SNF都存在同样的问题，认为最近的或最强的量测只来源于目标，过分信任量测使预测波门很小，导致滤波器跟踪机动目标容易发散[4-5]。针对此缺陷，文献[6-7]提出了概率最强邻算法（PSNF）、概率最近邻算法（PNNF），认为应考虑量测来源于虚警的可能以及波门内没有量测的情况。PSNF和PNNF很好地解决了在线计算协方差不准确的缺陷，提高了SNF和NNSF算法的稳定性和精度，但是PSNF要优于PNNF。PDAF是一种全邻滤波器，考虑落入波门内的所有确认量测，利用概率加权构造等效量测进行滤波更新。而PSNF虽是单邻滤波器，但在杂波密度较大的情况下依然能够充分利用幅度信息提高量测选择的准确度，在航迹丢失率和算法复杂度上的表现优于 PDAF[6]。……