超视距目标跟踪的投影修正卡尔曼滤波初值优化

本文主要探讨了超视距目标跟踪中的卡尔曼滤波算法，针对在有界范围内运动目标进行超视距跟踪时遇到的量测不可靠问题，提出了一种创新的初值选取策略——投影修正法。传统的初值确定方法在处理超出范围的目标位置时可能存在误差，而投影修正法通过三点法求得的目标初始运动状态进行修正，确保滤波器的稳定性和准确性。 在实验设计上，研究人员将这种方法与三种传统非线性卡尔曼滤波算法进行了对比，分别在目标与观测台的初始距离为600米和1000米这两个不同场景下进行了仿真验证。结果显示，当探测距离相对误差控制在1%以内，探测角度误差限制在0.01弧度时，使用投影修正法的卡尔曼滤波算法显著提高了滤波器在初期的收敛速度，同时保持了与传统方法相当甚至更高的滤波精度。 值得注意的是，研究发现，在投影修正法的跟踪滤波过程中，选择零值修正策略在同等条件下能带来更好的收敛效果。这表明零值修正方法对于优化滤波器性能具有积极作用。 这项研究不仅提出了有效的超视距目标跟踪的初值选取策略，而且提供了实际应用中的性能改进方法，对于提升无源探测系统在远程监控和导航中的性能具有重要的理论和实践意义。未来的研究可以进一步优化这些算法，以适应更复杂的环境和更精确的测量需求。