基于CKF的多普勒雷达目标跟踪算法*

张敬艳 董 凯，2 孙 顺

（1.海军航空大学信息融合研究所 烟台 264000）（2.中国电子科学研究院 北京 100041）

1 引言

舰载防空火控多普勒雷达系统的任务除了跟踪飞机、舰船等传统威胁之外，还要应对高机动小目标（巡航导弹等）和低慢小目标（无人机等）。对空中来袭目标进行跟踪时，一般在直角坐标系下对目标的状态信息进行描述，在极坐标系下对雷达的观测信息进行描述，因此，目标的状态信息与雷达的观测信息之间呈现非线性函数关系［1］，需要使用非线性滤波器。目前常见的非线性滤波估计算法有扩展卡尔曼滤波（Extended Kalman Filter，EKF）、不敏卡尔曼滤波（Unscented Kalman Filter，UKF）和容积卡尔曼滤波（Cubature Kalman Filter，CKF）。文献［2］中提到利用EKF算法对非线性系统存在的滤波问题进行处理，该算法是利用卡尔曼滤波算法框架，通过泰勒级数展开将非线性函数线性化，但是该算法存在一些问题，首先会产生二次项以上的截断误差，影响系统的定位精度，其次算法的迭代更新需要计算雅可比矩阵，一阶矩计算量小，可用于弱非线性系统，而二阶及以上矩阵计算量较大，影响跟踪的实时性，不适用于强非线性系统，且算法的初始状态不易确定，初始状态选择不当会导致滤波器发散，系统鲁棒性差［3］。文献［4］针对EKF算法存在的问题，提出利用UKF算法解决非线性系统的目标跟踪问题；UKF算法是根据目标状态的均值和协方差，利用UT变换确定采样点，通过非线性函数传递对状态来近似后验概率密度分布，并得到目标状态估计的均值和协方差，算法复杂度降低的同时，目标状态估计更为准确。……