噪声统计特性失配的鲁棒目标跟踪方法

针对噪声统计特性失配情况下目标鲁棒跟踪问题,提出了一种噪声失统计特性失配的新型卡尔曼滤波器跟踪方法。该方法首先采用渐消因子对状态估计一步预测的均方误差进行修正,通过新息残差矢量对渐消因子进行在线自适应更新,克服噪声统计特性失配引起的模型漂移问题;接着,利用渐消记忆指数加权的方法实时估计新息残差矢量,克服传统利用加权求和方法计算新息残差估计的精度较差的问题,进一步提升新息残差的估计精度。实验结果表明,在噪声失配的情况下,新方法的性能优于传统的卡尔曼滤波器和渐消因子卡尔曼滤波器,具有较高的跟踪精度和鲁棒性,是一种优秀的跟踪方法。