隨著雷達(dá)信號處理技術(shù)的飛速發(fā)展，機(jī)動目標(biāo)跟蹤技術(shù)也有了顯著進(jìn)步，并且在軍事和民用方面都得到了廣泛應(yīng)用。

在此方面，總結(jié)了大量機(jī)動目標(biāo)運動模型，并且討論了各個模型的優(yōu)缺點和相互之間的關(guān)系。

當(dāng)前統(tǒng)計模型的機(jī)動目標(biāo)自適應(yīng)跟蹤算法，能夠根據(jù)目標(biāo)加速度的變化自適應(yīng)地改變過程噪聲，相比傳統(tǒng)機(jī)動目標(biāo)跟蹤算法，跟蹤精度明顯提高。

粒子濾波的具有反饋學(xué)習(xí)項的交互式多模型粒子濾波算法,濾波效果優(yōu)于原IMMPF算法。

當(dāng)傳感器有系統(tǒng)偏差時，基于MCC的卡爾曼濾波方法估計精度不理想。

針對未知系統(tǒng)偏差和量測噪聲不精確問題，基于增量方程和線性最小方差最優(yōu)融合準(zhǔn)則設(shè)計了一種加權(quán)融合魯棒增量Kalman濾波算法。

盡管這些技術(shù)通過構(gòu)建增量量測向量的方式降低了傳感器系統(tǒng)偏差的影響，但它們通�；诟咚乖肼暛h(huán)境的假設(shè)，或者僅考慮量測噪聲的不確定性，而當(dāng)過程噪聲和量測噪聲都呈現(xiàn)非高斯特性時，這些方法的跟蹤精度急劇下降。

一種改進(jìn)的參數(shù)自適應(yīng)IMM算法，通過重新定義模型誤差壓縮率之比，闡述了誤差壓縮率之比的特性，提高了跟蹤精度。

一種改進(jìn)的無跡卡爾曼濾波算法，基于后驗?zāi)Ｐ透怕首兓膯握{(diào)性，對模型估計概率進(jìn)行二次修正，優(yōu)化了轉(zhuǎn)移概率矩陣，加快了匹配模型的切換速度。

比較分析傳統(tǒng)的轉(zhuǎn)移概率矩陣與改進(jìn)的轉(zhuǎn)移概率矩陣，可以發(fā)現(xiàn)傳統(tǒng)的方法簡單有效，計算效率高，但其通過平均分配設(shè)定模型轉(zhuǎn)移概率，無法反映實際復(fù)雜的運動狀態(tài)，會造成跟蹤精度不高和算法不穩(wěn)定的問題。

深圳市恒凱威科技開發(fā)有限公司http://szhkwkj.51dzw.com