张思霈，刘红明，余 科，罗 晨，郁 文

（上海机电工程研究所，上海 201109）

0 引 言

维纳（Wiener）滤波理论开创了现代雷达滤波理论研究领域，卡尔曼（Kalman）等人将状态变量分析方法引入，突破了维纳滤波的局限性，利于计算机求解，且它们都是数字滤波，对提升精密跟踪雷达的跟踪稳定性和精度有重要的促进作用［1］。上述滤波器一般针对理想的高斯噪声环境进行设计。实际存在的很多噪声都表现出非高斯特性，会导致滤波效果不理想甚至滤波发散［2］。这些噪声多来自于真实环境中出现的模型失准、目标机动、多目标交错、特定分布杂波和异常野值等，它们都会导致跟踪不稳和精度下降［3］。

针对上述问题，部分学者开展了相关研究，研究主题包括对跟踪滤波算法做稳健性改进和增加剔除异常野值的措施等。经典的雷达目标跟踪稳健滤波算法有基于改进的Masreliez方法的卡尔曼滤波［4］、变步长的改进无迹卡尔曼滤波算法［5］等。这些算法复杂度较高，且主要针对模型不够精确或存在偏差时导致的滤波稳健性下降的问题，能够适应目标机动情况。在杂波环境下，文献［6］基于交互多模型目标跟踪算法和概率数据关联算法，提出一种改进的自适应关联门目标跟踪方法。该方法利用目标假设运动模式与真实运动模式之间的误差对确定关联门大小的新息协方差进行修正，从而能在目标做机动时扩大关联门，实现对目标的稳定跟踪。该算法计算复杂度较高，且主要针对目标在杂波环境下的机动情况，但在自适应扩大关联门时所做的“目标以最大机动水平进行机动”的假设不符合实际情况。……