摘要：该文提出了一种交互式多模型（IMM）迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波（IEKF）的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波（IMMPF）进行了比较,仿真结果表明该算法具有更好的跟踪性能。

关键词：机动目标跟踪 交互式多模型 迭代扩展卡尔曼滤波 粒子滤波 

单位：西安电子科技大学电子工程学院 西安710071