论文部分内容阅读
标准卡尔曼滤波算法对系统的数学模型和噪声统计特性进行了假设，当该假设与实际的模型不匹配时容易造成滤波误差较大甚至滤波发散。提出基于反向预测卡尔曼滤波自适应算法，通过比较原始预测状态归一化新息平方和反向预测状态归一化新息平方，当比值大于设定阈值时在线进行过程噪声调整，从而修正预测状态。雷达目标跟踪仿真研究结果表明，该算法对目标机动和过程噪声增大有较强的自适应性，能够提高滤波精度和鲁棒性。