论文部分内容阅读
传统卡尔曼滤波器依赖目标运动状态的数学模型，当目标运动数学模型不精确或不能够用线性状态空间模型描述时，跟踪滤波会发散。针对这一问题，提出了一种基于GM（1，1）（Greymodel）模型的跟踪卡尔曼滤波方法。在卡尔曼滤波过程中，迭代所需的预测值不再依赖所建立的目标运动状态方程，而是用前几个时刻的估计值建立灰色微分方程来预测下一时刻的值，其预测精度高，滤波性能提高，特别在目标机动的时间内跟踪滤波效果要好于传统方法。仿真结果表明，是一种可行的机动目标跟踪方法。