高超音速飞行器是指飞行速度超过5倍音速的飞行器，它主要包括高超音速飞机、高超音速导弹和航天飞机。近年来，随着各国对高超音速飞行器的研究，将高超音速武器应用于全球快速精确打击、全球情报收集以及核威慑等有了突破性的进展。高超音速飞行器具有飞行速度高、作战空域大以及射程远等优点，可拦截空中目标如战斗机、导弹，也可精确打击目标如飞机场、武器库、军事基地等，可实现2小时内打遍全球任意角落，对未来战争具有极强的威慑力和先发制人的作用。而且，随着科技的进步，各种新型隐身材料的出现，使得高超音速飞行器有了更强的生存条件和攻击力。因此，对高超音速武器的预警防御也是我们必须面对的课题，高超音速目标跟踪技术也应运而生。

目标跟踪在国防安全中有极大的应用价值，通过稳定跟踪并预测目标运动轨迹而进行准确的拦截。高超音速目标运动轨迹复杂多变，具有极强的非线性，使得滤波精度降低，同时模型匹配目标难度大，这些给稳定追踪带来了极大的困难。交互多模型结构（IMM）是针对高机动目标追踪最有效的结构，成为对机动目标跟踪算法研究的重点。对于非线性跟踪系统，非线性滤波算法的优劣是影响跟踪性能的关键。发现目标并快速起航起始目标，随即进行稳定追踪，实现目标轨迹的追踪和拦截是国家安全保障的关键，是国防安全中不可或缺的重要一环。因此，对高超音速跟踪算法的研究具有深远的意义。

当前，国内外对机动目标跟踪算法展开了进一步研究，并取得了一系列的研究成果。跟踪算法的研究主要包括：运动模型的建立、滤波结构和跟踪结构。X.Rong Li 和 Vesselin P.Jilko对机动目标算法进行了细致的分析和介绍。

滤波方面，针对线性系统，最初，Wiener等人提出了基于平稳随机过程的线性滤波算法，称作维纳滤波（Wiener Filtering WF）。由于维纳滤波算法的应用存在一些缺陷，因此后来Kalman提出了一种最小均方根误差的滤波算法，称作卡尔曼滤波（Kalman Filter，KF）。该算法利用观测数据，通过对状态的预测，减少了计算量，且增强了实时处理数据的能力。针对非线性跟踪系统，Mehra等人在KF算法基础上提出了扩展卡尔曼滤波（Extend Kalman Filter，EKF）算法，该算法主要适用于非线性较弱的跟踪系统。后来，加拿大学者Arasaratnam提出了容积卡尔曼滤波算法（CKF），该算法为非线性系统状态估计问题提出了一种新的解决方法，在贝叶斯滤波框架结构下，根据球面径向容积准则估计非线性函数的积分，进而解决了贝叶斯结构的滤波问题。

目标跟踪结构方面，可简单分为：单模型（Single Model，SM）算法和多模型（Multiple Model，MM）算法。E.Mazor和Y.Bar-Shalom提出了交互多模型（Inteacating Multiple Modles）算法，具有较广的机动性覆盖范围，通过对各模型的滤波结果进行交互输出，对跟踪系统状态估计的精度更高，X.Rong Li和Y.Bar-Shalom教授突破传统IMM结构，提出变结构模型（VSMM），并基于VSMM模型结构不断改进并完善该算法，跟踪性能不断得到提升。

国内研究动态，2013年电子科技大学易令、吕明等人对临近空间高速高机动目标展开研究。重点研究了基于不同模型的跟踪性能。2013年南京大学陶晶莹研究了自适应修正当前模型和变结构跟踪算法跟踪高机动目标。2013年，西安电子科技大学樊友友对跟踪算法展开研究，通过对未知参数和噪声的自适应来抑制滤波的发散，改进的滤波算法，针对高速高机动飞行器具有良好的跟踪性能。

2. 研究的基本内容与方案

基本内容及目标

1.认识高超音速目标的跟踪算法知识。

2.掌握基本的信号处理相关的Matlab编程方法。