摘要
为解决机动目标跟踪中精确运动模型指定及模型切换延迟的问题，本文提出了一种结合模型驱动与网络驱动的筛选型交互多模型-门控循环单元方法。在滤波阶段，通过基于测量数据构建的平滑局部参考轨迹对多个网络输出进行筛选，以此为标准剔除不一致的估计结果，同时保留与局部轨迹演变相符的候选模型。对于雷达低截获概率工作模式，一种差分增强注意力双向GRU分类器可在雷达静默期间识别目标运动模式，并为预测器筛选提供模型先验信息。经过筛选的IMM-GRU预测器随后会根据模型概率、预测不确定性、网络间差异以及局部运动一致性来选择候选模型。此外，还通过累积预测方差和测量一致性来决定雷达的辐射时机。仿真结果表明，所提出的滤波与预测模块提升了跟踪及外推精度。在同等精度要求下，该框架在40至250米的所有预设MRMSE水平下均实现了最低的四场景平均辐射比，且是唯一能在所有四种场景下满足30米MRMSE要求的方法。这些结果证明了在所研究的模型与噪声范围内，该方法不仅提升了机动目标跟踪性能，还减少了不必要的雷达辐射。
