万珊珊，孙 青，翁明善，于学呈，郑桂妹

(1.空军工程大学防空反导学院，陕西 西安 710051;2.解放军93159部队， 辽宁 大连 116033)

0 引言

多传感器网络系统可广泛应用于目标跟踪、环境监测以及雷达探测、卫星导航等系统，受到了越来越多学者的关注。在多传感器网络系统中，由于微积分计算的复杂，一般不能直接求得精确的最优解，因此，相关研究学者提出了多种近似的滤波方法。文献[1—2]提出了扩展Kalman滤波(EKF)算法，对于多传感器非线性系统的滤波，EKF算法有明显的效果；但缺点是其采用近似化的方法进行处理，在过程中省略了泰勒展开式的高阶部分的运算，引入了多余的系统误差，同时其雅可比矩阵的计算复杂，计算负担较大。文献[3]提出了无迹Kalman滤波(UKF)算法，避免了雅克比问题，可用于实时估计系统；但是UT变换基础是以高斯概率分布为条件的，该算法不适用于非高斯系统。文献[4]应用UKF算法的新息序列设计了一种自适应无迹Kalman滤波(AUKF)算法，以估算测量噪声的统计特性，实现了量测噪声统计特性的在线估计。

对于多传感器CI融合估计，文献[5]通过对多个局部传感器的无偏估计值联立进行融合处理，提出了批处理协方差交叉(BCI)融合器，但增加了计算负担。为了减少复杂度和计算量，通过顺序处理，文献[6]提出了一种基于序列处理方法的快速融合估值器，即SCI融合器。本文针对以上问题，利用AUKF估算测量噪声的统计特性[7-8]，对于带不确定噪声方差的雷达网系统，在自适应无迹Kalman滤波(AUKF)方法的基础上，提出SCI融合自适应无迹Kalman滤波器(SCI-AUKF)，可有效解决未知噪声的多传感网络系统的状态估计问题。……