自适应‘当前’模型：机动目标稳定跟踪新方法

"机动目标跟踪的一种自适应“当前”模型" 在现代雷达跟踪系统中，机动目标跟踪是一项重要的任务，尤其对于军事和航空航天领域。传统的单个模型跟踪机动目标时，由于目标动态特性的不确定性，可能会导致跟踪性能不佳。多模型方法虽然能够改善这一情况，但最优模型集的设计和复杂算法使得其实现起来颇具挑战性。本文针对这些难题，提出了一种自适应的“当前”模型，旨在提高机动目标跟踪的精度和稳定性。 “当前”模型是一种基于目标当前状态信息的跟踪模型，通常用于描述目标瞬时的行为。然而，对于机动目标来说，其运动状态会快速变化，单一的“当前”模型可能无法准确捕捉这种变化。为此，作者陈嘉鸿、韩九强和张新曼提出了一个改进的自适应“当前”模型，该模型能够适应多种飞行器的机动行为。 新模型的核心是从目标与跟踪雷达的相对角运动出发，结合距离运动，构建了一个更全面的动态描述。通过优化估计目标与雷达之间的相对角速度和相对距离变化率，可以更精确地预测目标的未来位置，从而实现更稳定的跟踪。这个自适应模型可以根据目标的实际机动行为动态调整其参数，提高了模型的灵活性和适应性。 在仿真结果中，这种自适应单模型表现出优于传统“当前”模型的跟踪性能。尤其是在处理强机动飞行目标时，其表现甚至超过了交互多模型方法（IMM）。IMM虽然在处理多模型融合上效果显著，但计算量大，而自适应单模型在保持良好跟踪性能的同时，降低了计算复杂度，更适用于实时的跟踪应用场景。 总结起来，这篇论文提出了一个创新的自适应“当前”模型，它有效地解决了机动目标跟踪中的关键问题，提高了跟踪的稳定性和准确性，并降低了计算负担。这一成果对于雷达跟踪系统的设计和优化具有重要的理论与实践价值。