资源中包括两个仿真程序，分别是Singer模型+卡尔曼（kalman）滤波、“当前”统计模型+卡尔曼（kalman）滤波。

基于Singer映射和参数位置自适应更新机制的改进被囊群算法

基于singer模型的自适应跟踪算法，通过加速度历史规律对机动频率进行调节，隶属度函数调整调节灵敏度

卡尔曼+singer运动模型+误差热图；基于python实现；

【滤波跟踪】Singer-Kalman模型下的机动目标跟踪算法含Matlab源码

基本卡尔曼滤波、扩展卡尔曼滤波器算法之Singer算法

完整代码，可直接运行

CT模型CKF,ct模型和singer模型,matlab源码.zip

使用 Singer 模型进行卡尔曼滤波器模拟。 它显示估计和预测的错误和结果。

多数情况下，目标跟踪中所跟踪的目标均是非合作目标，因此首要任务是建立目标的运动模型。为了匹配和表征典型常见的运动形式，学者们提出了多种目标机动模型，主要可划分为白噪声模型和时间相关模型。前者将未知输入建模为白噪声，主要包括常速度（CV）模型、常加速度（CA）模型和多项式模型；后者将未知输入建模为马尔科夫过程，主要有零均值一阶时间相关的Singer模型、非零均值一阶时间相关的“当前”统计模型等。本文整理和总结了几种常用的目标机动模型，可结合所掌握的目标运动特性进行尽可能合理的选择，希望能对各位同行有所帮助。