空间机动目标相对导航自适应滤波方法

"该文是2011年发表在《西北工业大学学报》的一篇工程技术论文，主要探讨了自适应滤波在空间机动目标相对导航中的应用。文章提出了一种基于无迹卡尔曼滤波(UKF)的自适应滤波方法，旨在解决空间机动目标的检测和滤波参数调整问题，以实现更准确的相对导航。" 在空间机动目标的相对导航领域，由于非合作目标的机动行为不可预知，如何有效地跟踪和预测这些目标的动态成为一项挑战。传统的卡尔曼滤波（如扩展卡尔曼滤波EKF或无迹卡尔曼滤波UKF）在面对目标机动时可能存在误差过大和调整时间过长的问题，不能满足高精度跟踪的需求。 论文作者提出的方法首先利用统计学方法处理机动判据，通过归一化新息加权平方和的处理，以降低虚警率并增强目标检测的准确性。接着，他们设计了一种自适应策略，通过调整滤波器的状态估计协方差矩阵，确保在检测到目标机动时，滤波器能迅速收敛并保持稳定跟踪。这种方法旨在优化滤波性能，使其在机动情况下也能保持高效。 通过仿真对比，作者证明了他们设计的自适应滤波器相对于传统的UKF在机动目标的相对导航任务中表现出更优的性能。这为解决空间目标跟踪、营救、攻防对抗等任务提供了理论和技术支持。 论文还提到了其他自适应滤波策略，例如实时估计目标加速度和交互多模(IMM)算法，这两种策略分别侧重于通过修正滤波算法和结合多种滤波模式来适应不同机动强度和模式的目标。 这篇论文为解决空间机动目标的相对导航问题提供了一种新的自适应滤波解决方案，其贡献在于提高了滤波算法在处理目标机动时的跟踪精度和响应速度，为实际的空间操作提供了理论基础。