汪家宝，陈树新，吴 昊，何仁珂，郝思冲

(1.空军工程大学信息与导航学院，西安，710077； 2.93184部队，北京，100076)

机动目标跟踪系统在导航制导、军事打击等领域有着广泛的应用，然而针对干扰源目标，采用主动式的探测跟踪易于暴露己方所在位置，被动的纯方位无源跟踪(bearings-only tracking，BOT)不主动发射信号，因而具有良好的隐蔽性[1-4]。

纯方位跟踪需解决的问题本质上是一种基于信息非完整获取条件下的非线性估计问题。为此，学者们相继提出扩展卡尔曼滤波(extended Kalman filter，EKF)[5]、无迹卡尔曼滤波(unscented Kalman filter，UKF)[6-7]、容积卡尔曼滤波(cubature Kalman filter，CKF)[8-9]等非线性滤波算法。EKF将非线性方程线性化进行一阶近似，但在系统非线性程度较高时会引起较大的截断误差。UKF和CKF都是通过确定性采样策略来近似状态的后验概率密度，相比而言，CKF和UKF均能达到三阶估计精度，但CKF所用的采样点比UKF少,且其数值稳定性优于UKF[10]。文献[11]提出了平方根容积卡尔曼滤波算法(square root CKF，SRCKF)，通过传递状态协方差的平方根，提高了滤波数值稳定性。上述算法只有构建的系统模型与实际情况较为匹配，且噪声统计特性服从高斯分布时，才会取得较好的滤波特性，而在实际情况中不能完全满足要求。

针对系统建模失准问题，周东华等人[12]将单渐消因子引入卡尔曼滤波算法，形成强跟踪滤波器(strong tracking filter，STF)，充分利用了残差序列的有效信息，对模型建构失准、过程参数变动具有较强的自适应性。文献[13]利用多重渐消因子对估计均方误差各通道分别加权修正，相比单渐消因子更能提高渐消滤波的自适应调节能力。……