雷达目标无源跟踪中的免微分与变结构多模算法研究

深入研究当前国际上的两大理论热点：非线性滤波领域的免微分非线性Bayesian滤波理论和机动目标跟踪领域的变结构多模(VSMM)算法；并以雷达目标无源跟踪为背景，进行相关的可行性和前瞻性研究。免微分方法，如极具代表性的无味卡尔曼滤波(UKF)和粒子滤波(PF)，可以解决棘手的非线性和非高斯问题；而VSMM算法可以克服目标运动模型不确定性的难题。研究建立关于免微分方法的统一理论框架；提出在精度、方差和收敛性能上更优的UKF新算法；提出可以克服样本枯竭问题、鲁棒性更强的PF新算法；研究数据率因素对免微分方法性能的影响；提出用于衡量有限粒子数条件下PF算法收敛性能的指标；提出效率更高的多模空间自适应改变的VSMM算法。研究探讨在各种场景下对雷达目标进行无源跟踪问题中，应用免微分非线性Bayesian滤波理论和VSMM算法的可行性。采集一批实际观测数据，对部分算法进行实验验证。撰写一本学术专著。