目标的航迹融合及预测是将关于目标的数据进行融合处理，得到精度较高的

目标航迹，并且基于已有的数据，建立相应的模型，对目标后续时刻的位置进行

预测。运动平台下目标航迹融合及预测，则是要完成在运动平台下，对目标进行

观测，航迹融合和预测。基于运动平台背景，对目标进行航迹融合及预测是近年

来研究的一个热门方向。不管是军事领域，还是民用领域，可靠且精确的航迹预

测都是现今多元发展背景下的一大需求。

在运动平台下，由于观测设备和观测设备所处的平台处于运动状态下，观测

设备所测得的数据，如目标的方位、俯仰、斜距以及平台自身的姿态等，不能直

接反映目标在惯性空间中的航迹，且或多或少都存在误差。除此之外，观测设备

的安装标定也是实际工程中的一大问题，标定的好坏将直接影响着对目标观测的

精度。再者，对于目标的航迹融合及预测，目前并没有公开的十分完善的系统模

型。

针对上述问题，本文结合实际工程项目，通过平台解耦、数据预滤波，设备

安装标定计算，进而完成目标航迹融合及预测，搭建相应的数学模型，为后续在

实际运动平台上实现对运动目标的实时观测以及捕获、跟踪与瞄准做准备，具有

一定的工程应用价值。

首先，本文对运动平台所涉及的一些误差源做了简单介绍，并详细介绍了本

文所选取的坐标系，然后对目标、观测设备和平台之间的坐标关系进行了介绍，

实现了目标的位置数据在非惯性坐标系与惯性坐标系之间的相互转换，即完成平

台解耦的工作。

其次，本文对实际工程中所要解决的设备安装标定问题做了简单陈述，并引

入鸡群优化（Chicken Swarm Optimization, CSO）算法的改进算法来解决该问题。

文中详细描述了CSO 算法的基本结构，在原有基础上做出改进，利用改进算法

计算出设备的近似最优姿态和近似最优位置。

最后，本文将交互式多模型（Interacting Multiple Models, IMM）算法和最小

二乘曲线拟合算法相结合，在局部范围内，将多次不同间隔反向抽样的数据用于

临近点拟合预测，并将多次的预测结果用于融合以产生目标航迹；在全局上，整

体采用滑动窗的方式逐步外推预测，实现目标的航迹预测工作。