一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题,提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵,并定义算法的代价函数,给出迭代终止条件,保证了算法收敛精度,减小状态的观测更新误差,提高了目标状态估计精度。利用BP神经网络修正滤波结果,补偿系统滤波误差,进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。