利用多个模型覆盖被估对象的参数或结构不确定性，进而基于多个模型设计滤波器能够较好地解决上述问题．文献[4]采用加权和的形式设计了自适应卡尔曼滤波器．针对被估计系统的动态噪声协方差矩阵的可能取值设计多个固定卡尔曼滤波器(即基于多个固定噪声协方差矩阵设计卡尔曼滤波器)．每一个采样时刻，根据滤波输出误差对每一个固定卡尔曼滤波器计算一个小于1的权值，被估系统的滤波输出值将是多个卡尔曼滤波器滤波输出的加权和这种滤波器的滤波效果直接取决于多个固定卡尔曼滤波器 的选取，因此增 加了滤波器的设计难度．另外，这种滤波器的收敛性很难证明，有时甚至会造成滤波发散．进入20世纪90年代，基于指标切换函数的多模型自适应控制[5-10]被用来改善自适应控制系统的瞬态响应，并且有理想的稳定性和收敛性证明结果．本文将这种思想推广到了滤波领域．与加权和多模型卡尔曼滤波器一样，设计多个固定卡尔曼滤波器，同时保留一个 常规的自适应卡尔曼滤波器．对每一个卡尔曼滤波器建立一个基于滤波误差 的带有积分形式的指标切换函数，由此切换函数和多个滤波器共同构成多模型 自适应卡尔 曼滤波器(MMAKF)．每一个采样时刻均计算指标函数，将使指标函数获得最小值的那个滤波器的输出切换为MMAKF的滤波输出．仿真实验表明此种MMAKF可以极大地改善AKF的瞬态响应，并能获得和常规AKF一样的收敛性质 ．