中文引用格式： 李暐琪，柳超，曹政，等. 機動目標(biāo)跟蹤時滯問題分析[J]. 電子技術(shù)應(yīng)用，2024，50(7)：1-6.
英文引用格式： Li Weiqi，Liu Chao，Cao Zheng，et al. Analysis of the time delay problem of maneuvering target tracking[J]. Application of Electronic Technique，2024，50(7)：1-6.
引言
隨著雷達(dá)信號處理技術(shù)的飛速發(fā)展，機動目標(biāo)跟蹤技術(shù)也有了顯著進(jìn)步，并且在軍事和民用方面都得到了廣泛應(yīng)用。雖然近年來機動目標(biāo)跟蹤的精度不斷提高，但是為了應(yīng)對跟蹤環(huán)境的日益復(fù)雜化和目標(biāo)機動性能的快速提高，如何構(gòu)建更加高效的運動模型以及優(yōu)化目標(biāo)跟蹤算法仍然是學(xué)者們持續(xù)努力的方向。在此方面，文獻(xiàn)[1]總結(jié)了大量機動目標(biāo)運動模型，并且討論了各個模型的優(yōu)缺點和相互之間的關(guān)系。文獻(xiàn)[2]提出了一種基于當(dāng)前統(tǒng)計模型的機動目標(biāo)自適應(yīng)跟蹤算法，能夠根據(jù)目標(biāo)加速度的變化自適應(yīng)地改變過程噪聲，相比傳統(tǒng)機動目標(biāo)跟蹤算法，跟蹤精度明顯提高。文獻(xiàn)[3]提出了一種基于粒子濾波的具有反饋學(xué)習(xí)項的交互式多模型粒子濾波（Interactive Multi-Model Particle Filter, IMMPF）算法，濾波效果優(yōu)于原IMMPF算法。文獻(xiàn)[4]提出了一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short-Term Memory, LSTM）的自適應(yīng)跟蹤算法，將現(xiàn)代神經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)濾波算法相結(jié)合，能有效識別目標(biāo)的運動狀態(tài)，具有較強的自適應(yīng)能力。
本文詳細(xì)內(nèi)容請下載：
http://m.rjjo.cn/resource/share/2000006062
作者信息：
李暐琪1，柳超2，曹政2，張彥敏3，4，薛偉1
（1.哈爾濱工程大學(xué) 煙臺研究院， 山東 煙臺 264001；
2.海軍航空大學(xué)， 山東 煙臺 264001；
3.海洋電磁探測與控制湖北省重點實驗室， 湖北 武漢 430071；
4.武漢第二船舶設(shè)計研究所， 湖北 武漢 430064）
