杨菁华， 熊 智， 刘建业

(南京航空航天大学 自动化学院 导航研究中心，江苏 南京 211100)

0 引 言

在运动目标的探测与跟踪中，由于传感器探测原理的不同，往往需要多种不同的传感器配合使用才能获得对目标较完整的测量信息。异类传感器的搭配使用使得多传感器数据融合显得尤为重要，传统的方法是采用多只传感器的算数平均数，虽然有一定的抗干扰能力，但并不是最好的数据融合方法[1]。目前，多传感器信息融合算法主要有贝叶斯估计、加权平均法、极大似然估计、D-S证据理论、卡尔曼滤波等[2，3]，由于人工智能理论的发展还出现了聚类分析、神经网络等现代融合算法[4]。但多数算法是针对同类多种传感器的数据融合，或在数据融合前对传感器进行处理，使传感器信息完成维数匹配[5]，这类信息融合方法不能很好地适应无人机异类传感器配置时对目标的探测、跟踪。

针对异类传感器信息描述空间不同和信息维数不匹配的问题，本文以无人机目标定位跟踪为背景，提出一种基于异类传感器观测量扩维融合的无迹卡尔曼滤波(unscented Kalman filtering,UKF)跟踪滤波算法。经仿真验证，改进后的滤波算法能够显著提高目标定位精度。

1 总体方案设计

本文以高精度无人机目标定位为背景，以红外传感器和雷达的组合作为无人机探测手段，结合无人飞行器特点，本文建立以传感器直接量测量 (目标斜距、方位角和俯仰角)为量测变量的非线性量测方程，系统量测噪声方差阵直接从传感器获取，依次设计无迹卡尔曼滤波器，得到系统状态估计。……