纯方位目标跟踪分析的研究，一开始只掌握线性系统的滤波算法，到现在针对非线性非高斯系统的滤波算法已经非常完善，经过了很长的时间。由于目标模型中量测方程的本质非线性特点,所以产生了复杂多样的方法来处理目标分析问题。21767
纯方位目标跟踪，最早是应用于水下被动跟踪系统，由于敌方武器不可能主动发出有源信号给我们，所以我们只能采取一些途径获得敌方武器的方位角信息。我们比较常利用的是声呐信号。声呐信号主要有两个特点：一是它只能量测到敌方武器的方位角信息，而不能量测到敌方武器的位置信息。而是声呐的传播速率远大于敌方武器的运动速率，所以不存在信号迟滞问题。因为观测器只能接收到无源目标的方位角信息 ，所以要想使获得目标和观测器的距离信息，观测器必须采取一定的机动策略。
1  国外纯方位目标跟踪的研究现状论文网
stansfield在 1974 年提出了扩展卡尔曼滤波（EKF，Extended Kalman Filter)的雏形stansfield 估计方法，这是一种加权的最小二乘估计器 。起初，迭代最大似然估计器，可是由于参数估计有偏，所以当系统泰勒展开高阶项不可忽略，即非线性度比较大时，会容易造成滤波发散 。后来，很多人采取了不同的解决办法来应对BOTMA中EKF在初始值或参数不合适时滤波不稳定的问题。
2000年,Julier等人提出基于 UT 变换的无迹卡尔曼滤波器（UKF ，Unscented Kalman Filter)并用于非线性滤波 。UKF算法选取一些能够代表状态统计特性的sigma样本点。UKF 的状态估计在非高斯情况可以达到两阶，在高斯情况下可以精确到三阶,UKF 的状态估计在非高斯情况可以达到一阶，在高斯情况下可以精确到两阶,。
1993年,Gordon、Doucet和 Merwe等人引入了粒子滤波 （PF，particle filter），并将含有重要性采样重采样SIR(sampling lmportance Resampling)的改进粒子滤波算法应用于TMA。粒子滤波可以应用于高斯或非高斯系统，这是因为它每个采样时刻不需要更新状态变量，而是更新一些含有状态变量关键信息的粒子，这样就提高了对机动目标进行纯方位跟踪的性能。2005 年，M.Clarky 等人主要针对海面上声纳浮标纯方位目标跟踪，提出漂移瑞利滤波  （SRF，Shifted Rayleigh Filter)。
2  国内纯方位目标跟踪的研究现状
国内很多有很多研究团队也致力于BOTMA问题的研究,他们或偏重理论或注重工程,都具有自己的研究特色。
21 世纪初，我国研究学者着重研究如何线性化纯方位目标跟踪这种非线性问题。对于线性化带来的误差，即当系统泰勒展开高阶项不可忽略，即非线性度比较大时，会容易造成滤波发散的问题。为了减小忽略泰勒展开高阶项以及初值不合理带来的误差，很多人提出了不同的算法来进行改进。其本质上主要是将诸如自适应算法，误差预处理算法等现代智能算法应用到原有的基本算法上来减小局部误差 。比较有代表性的是如下两位：刘忠提出了辅助变量法 。石章松提出：利用前三次状态量测值来得出当前时刻状态的预估值，理论上得到了修正的无偏的PLE 。 纯方位目标跟踪分析国内外研究现状:http://www.youerw.com/yanjiu/lunwen_14117.html