改进的基于“当前”统计模型自适应滤波算法及其在航迹预测中的应用

摘要

基于“当前”统计模型的模糊自适应(FACS)滤波算法利用机动目标“当前”加速度调整加速度极限值,实现了对一般机动目标的有效预测；但是在预测强机动目标时却存在较大的预测误差.为了解决这一问题,引入强跟踪滤波器(STF),提出了一种新的自适应滤波算法STF-FACS.该算法根据滤波残差实时调整卡尔曼滤波增益,提高了对强机动目标的预测能力；同时保留了FACS算法对于一般机动目标的预测性能.最后,对强机动目标分直线机动和转弯机动,分别进行航迹预测仿真.仿真结果表明,对弱机动目标进行航迹预测时,两种算法的预测效果相当；对强机动目标进行航迹预测时,STF-FACS算法无论是在动态时延和预测精度方面都比FACS算法要好.