引言
随着雷达信号处理技术的飞速发展，机动目标跟踪技术也有了显著进步，并且在军事和民用方面都得到了广泛应用。虽然近年来机动目标跟踪的精度不断提高，但是为了应对跟踪环境的日益复杂化和目标机动性能的快速提高，如何构建更加高效的运动模型以及优化目标跟踪算法仍然是学者们持续努力的方向。在此方面，文献[1]总结了大量机动目标运动模型，并且讨论了各个模型的优缺点和相互之间的关系。文献[2]提出了一种基于当前统计模型的机动目标自适应跟踪算法，能够根据目标加速度的变化自适应地改变过程噪声，相比传统机动目标跟踪算法，跟踪精度明显提高。文献[3]提出了一种基于粒子滤波的具有反馈学习项的交互式多模型粒子滤波（Interactive Multi-Model Particle Filter, IMMPF）算法，滤波效果优于原IMMPF算法。文献[4]提出了一种基于长短期记忆神经网络（Long Short-Term Memory, LSTM）的自适应跟踪算法，将现代神经网络模型与传统滤波算法相结合，能有效识别目标的运动状态，具有较强的自适应能力。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000006062
作者信息：
李暐琪1，柳超2，曹政2，张彦敏3，4，薛伟1
（1.哈尔滨工程大学 烟台研究院， 山东 烟台 264001；
2.海军航空大学， 山东 烟台 264001；
3.海洋电磁探测与控制湖北省重点实验室， 湖北 武汉 430071；
4.武汉第二船舶设计研究所， 湖北 武汉 430064）
