杨恒占， 王盛博， 何红丽

(1.西安工业大学陕西省自主系统与智能控制国际联合研究中心，西安，710021； 2.中国飞行试验研究院，西安，710089)

非线性滤波问题应用于目标跟踪，由于其广泛的军用及民用特点，是近年来研究的热点问题[1]。目标跟踪的主要任务是通过从传感观测中提取有价值的信息来估计动态目标参数并显示目标的轨迹，其跟踪精度在很大程度上取决于滤波算法的性能。虽然测量噪声的统计特性可以从传感器中得到，但其中包含了外部干扰导致得到的特性不可靠。由于外部随机干扰的影响，很难得到具有精确统计协方差的系统噪声[2]。同时在机动目标跟踪系统中涉及到时变噪声协方差，传统的滤波算法无法满足要求[3]。因此，为了处理噪声协方差的不确定性，需要高性能的自适应滤波算法。

容积卡尔曼滤波(Cubature Kalman Filter，简称CKF)是一种新型高斯滤波算法，为非线性系统的状态估计提供新的实现方式，利用球面—径面积分准则计算非线性变换后随机变量的均值和协方差，采用一组等权值的容积点对最优状态的后验分布进行逼近。由于CKF将采样点都设置在超球面上，不存在权重为负的情况，相比其它非线性滤波器具有更高的非线性逼近性能和估计精度，并且运算速度也得到了提高[4]。CKF中目标跟踪的精度主要依赖于对噪声统计特性的研究。然而噪声统计特性在实际情况下大多为非零均值、非白噪声，非线性系统又往往受到外界不确定因素的干扰，这些都会影响滤波结果。……