浅谈改进粒子滤波的机动目标自适应跟踪算法

对运动目标（如船、飞行器等）的跟踪，主要使用雷达跟踪系统。在实际处理数据时，需要使用状态空间表示法对过程建模。在雷达跟踪系统中，目标位置的测量值是在与传感器位置相关的极坐标系下得到的。因此，雷达目标跟踪是一个非线性问题。常用的非线性滤波方法有扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF），但这两种算法都基于模型线性化和高斯假设条件。历史上最早考虑的是维纳滤波，后来R.E.卡尔曼和R.S.布西于20世纪60年代提出了卡尔曼滤波。现对一般的非线性滤波问题的研究相当活跃。在处理非线性非高斯问题时，Gordon等首次将粒子滤波（PF）应用到状态估计中，PF不需要对状态变量的概率密度作过多的约束，它