基于“当前”统计模型的模糊自适应跟踪算法

摘要

“当前”统计模型需要预先设定目标最大机动加速度,不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度,自适应各种机动情况。此外,针对多数传感器测量方程的非线性,采用性能较好的 Unscented Kalman Filter 代替常用的扩展卡尔曼滤波。仿真结果表明,该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。