论文研究基于目标跟踪的自适应广义高阶CKF算法.pdf

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题，结合广义高阶容积卡尔曼滤波和强跟踪滤波算法，提出了一种自适应广义高阶容积卡尔曼滤波（AGHCKF）方法。采用广义高阶容积准则和矩阵对角化变换，以提高算法的滤波精度和稳定性。引入强跟踪滤波，利用渐消因子在线修正预测误差协方差阵，强迫残差序列正交，以增强算法应对系统状态突变等不确定因素的能力。将提出的AGHCKF算法应用于带有未知状态突变的机动目标跟踪问题并进行数值仿真，结果表明，AGHCKF在系统状态突变时能保证较高的滤波精度，具有较强的鲁棒性和系统自适应能力。