针对移动目标跟踪过程中,传感器感知信息存在噪声以及运动轨迹突变导致目标观测失真甚至丢失的问题,提出了一种扩展卡尔曼滤波交互多模型算法(EKF-IMM)。该算法以交互多模型算法为主体,同时融入EKF算法做滤波处理,使得在目标跟踪过程中,不仅对目标的不同运动状态具有自适应能力,同时还能对运动状态中可能的非线性问题做更好的处理,提高算法的鲁棒性。仿真实验表明,EKF-IMM算法能很好得适应多变的目标运动,与标准KF-IMM算法相比,该算法降低了噪声对传感器的干扰,提高了定位精度。

利用气动参数对未知气动力建模是提高高超声速滑翔目标跟踪精度的有效途径。对目标气动加速度及其导数项进行分析,在非耦合气动参数模型的基础上,考虑气动加速度在转弯和俯仰方向存在的先验信息,推导滚转和螺旋2种耦合气动参数模型。利用一种分离估计模型对目标状态与气动参数进行估计,分别给出状态滤波器和气动参数滤波器的表达式。同时,考虑不同飞行模式下参数的机动频率,构建基于耦合气动参数的交互多模型跟踪算法。仿真表明,本文所提算法精度显著高于针对该类目标的其他跟踪算法。同时,滚转模型的性能优于螺旋模型,且计算复杂度更小。

考虑毫米波雷达测量的误差和噪声的存在，为了提高毫米波雷达汽车防追尾预警系统的可靠性，设计了一个多模型算法实现对机动车辆的准确跟踪。针对汽车在高速公路上最常见的匀速、匀加速及转弯运动模型进行仿真实验，结果表明该算法能够有效地跟踪前方行驶车辆，探知自车与前车之间距离信息、速度信息等，从而降低雷达虚警率。