(中国电子科技集团公司第二十研究所， 陕西西安 710068)

0 引言

目标跟踪是利用传感器获得关于目标的不精确的观测信息，对目标状态持续进行准确的估计和预测目标的真实信息。目标运动的不确定性、目标机动能力日益增强都使得准确估计目标的运动状态日益困难。在这种情况下，交互多模型混合估计方法被认为是一种最有效的混合估计方案。

交互多模型算法(IMM)是由Blom和Bar-Shalom提出的一种软切换算法，应用很广泛。近年来IMM研究的主要内容第一层是变结构交互多模及模型集自适应、转移概率自适应，而第二层是目标运动模型、非线性滤波器及其参数自适应。虽然IMM的机理从理论上仍然无法论证清晰，但交互多模型混合估计方法仍然成为机动目标跟踪领域主流的混合估计方案。

Markov转移概率是IMM算法的重要参数之一，影响子模型之间的交互与模型切换速度，一般是先验给定的。这必然会与目标的实际运动状态不匹配，引起滤波跟踪精度下降。因此，转移概率的实时自适应一直是国内外学者探讨的重要内容[1-4]。

在目标跟踪系统中，解决非线性滤波最常用的方法是EKF方法及其相关改进算法。CKF算法是近年来新出现的一种非线性滤波算法，该算法利用了三阶球面-径向容积积分准则进行了严密的数学推导，在理论上对该算法具有严格的保证[5-6]，估计精度和数值稳定性都比较高。在对CKF算法深入研究的基础上，有学者提出了降维CKF算法[6-7]，并将降维CKF成功应用于工程实践[7-8]。……