针对传统算法对高机动目标精准建模难、普适性差的问题，提出了一种基于门控循环单元(gated recurrent unit, GRU)预测的改进无迹卡尔曼滤波(unscented kalman filter, UKF)普适目标跟踪算法。将自注意力机制引入到传统GRU模型中，使得模型能够更好地从历史观测数据中挖掘出目标的运动学方程，解决人工难以对机动目标运动精准建模问题；将学到的模型应用到UKF算法中，实现对目标的跟踪。仿真实验表明，相比于传统GRU模型以及UKF、交互多模型(interacting multiple model, IMM)等经典算法，所提算法具有更好的跟踪精度以及适应性。
