摘要：針對不完全量測情況下長基線系統(tǒng)對水下目標跟蹤精度會下降的問題,提出了最小二乘-容積卡爾曼濾波(Least Squares-Cubature Kalman Filter,LS-CKF)算法。選取容積卡爾曼濾波(Cubature Kalman Filter,CKF)為基本跟蹤算法并將其改進為兩步濾波模式.增加的第1步濾波使用最小二乘估計優(yōu)化時間更新階段的容積點,提高了第2步濾波中量測更新的精度。進一步推導了量測信息為距離時新算法的簡化形式,降低了運算復雜度,使其能更好地應用于水下跟蹤系統(tǒng).仿真實驗和湖試數(shù)據(jù)的處理結果表明,在丟失量測數(shù)據(jù)較多且初始狀態(tài)誤差很大的惡劣情況下,LS-CKF收斂速度比標準CKF算法提升了1倍,且跟蹤誤差降低10%以上。