摘要:对于非线性目标跟踪,当观测不确定性相对系统不确定性较大时,如果采用EKF,UKF算法,由于概率密度函数(PDF)由高斯分布近似使真实的分布结构扭曲,导致系统性能下降或发散,采用粒子滤波时,重采样会使粒子间的独立性消失,导致系统性能下降.为了提高目标跟踪的精度,本文给出一种改进的非线性滤波算法,在序列蒙特卡罗(SMC)算法中分别引入EKF及UKF,由独立的波器更新和传播的随机采样点和相应权重来表示状态的PDF,由于初值和滤波都是独立的,所以确保了表示PDF的随机样值的独立性,提高了滤波性能。文中给出了理论分析和仿真实例证明算法的有效性。