一种临近空间高超声速目标跟踪算法

通过参考美国X-43A高超声速飞行器第二次试验飞行弹道,建立了临近空间高超声速目标的运动模型。针对目标跟踪中状态方程和量测方程存在的非线性问题,提出了一种基于不敏卡尔曼滤波的改进"当前"统计模型自适应滤波算法(ADE-UKF),并将此算法与基于"当前"统计模型的不敏卡尔曼滤波算法(CS-UKF)比较,仿真结果表明,该算法在跟踪临近空间高超声速目标时,具有良好的跟踪性能。     

一种临近空间高超声速目标检测前跟踪算法

针对传统算法无法对临近空间高超声速目标进行有效检测的问题,提出了一种基于Hough变换和多条件约束的检测前跟踪算法。首先采用时间-径向距离量测(TBD)数据进行Hough变换,将参数空间变量θ作为积累约束条件来避免无效积累,得到目标可能航迹;之后对所有可能航迹进行速度约束和航向约束,进一步剔除虚假航迹和航迹内杂波点;最后对同一目标航迹进行合并,得到最终确认航迹。通过仿真对算法有效性进行了验证,并分析了不同信噪比和杂波密度条件下的算法性能,仿真结果表明,算法能够在杂波环境下对临近空间高超声速目标进行有效检测。     

一种基于气动力模型的高超声速滑翔目标跟踪算法

针对传统跟踪方法对高超声速滑翔目标(HGRV)进行状态估计时存在较大误差的问题,提出一种基于气动力模型的目标跟踪算法。首先在弹道坐标系(VTC)中推导了目标气动加加速度模型,分析模型各分量对目标运动状态的影响。分别对纵向和横向机动模型进行了研究,得出横向机动是跟踪的主要难点的结论。然后对传统气动力模型进行改进,将转弯力参数与爬升力参数之间存在的先验信息引入高阶状态向量。同时,考虑不同飞行模式下机动频率的变化,构建基于气动力模型的交互多模型(IMM)算法。仿真表明,所提算法精度显著优于针对该类目标的其他跟踪算法,特别是当目标发生机动时,该算法具有更强的适应性和鲁棒性。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

临近空间高超声速目标跟踪算法研究

针对临近空间高超声速飞行器运动特性,综述了交互多模型算法（IMM）相对单模型算法的优越性。以临近空间飞行器一个机动转弯部分轨迹进行仿真试验,仿真并分析了匀速（CV）、匀加速（CA）、Singer、当前统计（CS）、Jerk模型算法及IMM算法优点及局限性。结果表明,IMM算法跟踪机动目标在机动时稳定性、精度、机动适应性方面优于单模型算法,但存在实时性、模型转换可能性先验确定等问题,并针对这些问题提出可能的解决方法。     

对高超声速目标的跟踪及算法研究

对高超声速目标特性进行了研究,针对高超声速目标高速及高机动的特点,提出了使用参考加速度模型的IMM算法.同时采用UKF滤波解决对目标跟踪造成的非线性问题.蒙特卡罗仿真试验证实该算法跟踪效果较好、误差均方值小、跟踪精度高.     

高超声速运动点目标检测

为了降低红外运动点目标检测的漏检率与虚警率,文章以猎鹰2号为例,从天基红外遥感图像生成的角度出发,计算了高超声速飞行器多种工况的辐射特性,提出了一种基于目标速度与辐射特性的红外运动点目标检测方法。该方法将高超声速目标的速度与遥感图像的灰度关联,以目标的飞行速度作为单帧图像灰度阈值分割的条件,实现阈值分割与速度滤波并行,并进行多帧图像疑似目标二次速度匹配滤波,实现目标检测。仿真结果表明:文章提出的点目标检测方法对于高超声速目标检测效果优良,检测率为94.4%,虚警率为5.86×10-5%。在具备目标表面平均温度与速度对应关系的情况下,该方法可应用于多种不同红外运动点目标的检测。     

一种新的临空高超声速飞行器滑跃段跟踪算法

针对临空高超声速飞行器滑跃段跟踪中存在的跟踪不稳定问题,提出一种基于多传感器的多周期多模型估计的最大熵模糊数据关联滤波(MPMME-MEFPDAF)算法。首先,在临空高超声速飞行器滑跃段运动特性分析的基础上,采用多周期多模型估计方法实现模型集自适应。然后,采用最大熵模糊数据关联思想,解决杂波环境下多传感器航迹断续、点迹关联问题。最后,将多周期多模型估计与最大熵模糊概率数据关联相结合,实现临空高超声速机动目标的多传感器连续跟踪。通过仿真验证,该算法比传统算法对临近空间高超声速速飞行器滑跃段的跟踪具有更好的跟踪效果。     

雷达网探测高超声速目标时间分配

针对雷达探测高超声速目标预警时间有限的问题,建立雷达网无缝跟踪的时间分配模型并设计一种贪心策略进行求解。该模型基于雷达网无缝跟踪的时间分配原则,考虑雷达跟踪容量、交接要求和时间间隔占用性等约束条件,并采用选择最早发现目标的可见时间窗作为初始跟踪时间窗的贪心策略进行求解,实现了雷达网对该类目标的持续跟踪。设计的求解策略比依次选择时间窗最长的雷达参与跟踪的策略交接次数少10%以上,同时使得目标函数值提升近6%,且算法耗时仅为精确求解算法耗时的7.5‰,提高了反临预警任务规划效能。     

临近空间高超声速目标及其防御

介绍了美国临近空间高超声速飞行器的发展历程,分析了临近空间高超飞行器的战略意义和目标特性.根据临近空间高超声速目标对防御系统预警能力时间性、高速机动目标精确探测、拦截弹机动过载和高精度制导控制等要求,阐述了预警探测系统、指挥控制系统和拦截武器系统可采取的措施.     

一种高超声速机载天线结构轻量化设计

飞行器在工作时过载、振动等力学条件严酷,同时对搭载设备严格限制重量.如何在保证结构强度和变形量满足飞行环境使用要求的前提下,解决天线轻型化问题,是机载天线设计最紧要的任务之一.提出了一种迭代优化设计方法,此方法基于结构强度变化特征对机载天线进行轻型化设计,具体为采用有限元分析方法结合实际力学环境要求对初步设计的天线进行强度校核,调节设备的横断面尺寸使试验变形应力及重量满足天线设计要求.最终通过仿真计算迭代优化,实现机载天线减重的目的 .该设计方法充分融合了强度校核和迭代优化的思想,缩短了产品的研发周期,实现了产品最优化设计,为机载设备减重提供了解决方案.     

一种高超声速飞行器再入轨迹优化方法

针对高超声速飞行器的再入轨迹优化问题,提出了一种基于动态自适应樽海鞘群算法和高斯伪谱法的混合优化方案。首先,为了使樽海鞘群算法探索和利用之间的平衡更加合理,提出了一种新颖的动态自适应樽海鞘群算法。然后,针对传统高斯伪谱法在轨迹优化过程中对初始猜测值敏感的不足,借助动态自适应樽海鞘群算法强大的全局搜索能力,先利用该算法对控制量进行全局寻优,将求得的近似全局最优解作为高斯伪谱法优化的初始猜测值,接着再利用高斯伪谱法对控制量进行全局寻优。仿真结果表明所提出的动态自适应樽海鞘群算法和混合优化方案的有效性和可行性。     

一种高超声速机动目标双(多)基地雷达探测方法

研究双基地雷达探测下临近空间高速机动目标的回波模型,针对长时间积累过程中回波包络中心跨距离单元走动及跨多普勒单元走动等问题,分析目标加速运动对回波积累的不利影响,提出一种基于Keystone变换和改进的三次相位变换的临近空间高速机动目标检测方法。该方法采用改进的三次相位变换估计多普勒变化率,基于运动参数补偿思想,实现大加速度条件下长时间回波信号的有效积累,从而实现临近空间高超声速目标检测。仿真结果表明,该方法能够克服距离走动和多普勒展宽的影响,改善脉冲积累的性能,提高双(多)基地雷达对临近空间高超声速机动弱目标的检测能力。     

高超声速飞行器发射坐标系导航算法

针对高超声速飞行器弹道特点和导航参数的需求,提出基于发射坐标系(LCEF)的高超声速飞行器导航算法。首先,介绍发射坐标系下捷联惯导(SINS)算法编排,推导发射坐标系下姿态、速度和位置离散递推方程。然后,介绍地心地固系(ECEF)下的卫星位置和速度转换到发射坐标系的方法,推导发射坐标系的SINS/BDS组合导航滤波器状态方程和量测方程。最后,以助推-滑翔飞行器为对象,进行了发射坐标系下组合导航仿真,位置精度小于10 m,速度精度小于0.2 m/s。     

临近空间高超声速目标修正随机Hough变换TBD算法

针对临近空间高超声速目标的检测跟踪问题,提出一种修正的随机Hough变换检测前跟踪算法。首先,为尽可能克服远距离条件下角度误差带来的较大位置偏差,通过解耦的方式将量测点迹映射至精度较高的径向距离-时间平面进行检测;然后,为更合理地合并参数空间特征点并提升积累效率,构建检验统计量并与自适应门限进行比较,将特征点合并问题转换成两个正态总体均值差的自适应假设检验问题,并利用点数积累与能量积累相结合的双重积累方式进行积累检测;最后,为进一步降低虚假航迹数,引入运动约束和航迹合并措施,得到最终按时序关联的检测航迹。仿真结果表明,相比标准Hough变换检测前跟踪算法,本文算法在检测概率相差不大的情况下具有更少虚假航迹和更低运行时间。     

临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法.算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型...     

临近空间高超声速目标跟踪动力学模型

针对临近空间滑跃式高超声速目标(NSHV)跟踪问题,提出一种新型的动力学跟踪模型。首先从动力学方程与横纵向机动样式两个方面分析了NSHV运动特性,将其抽象为滑跃式NSHV气动加速度相关性的一般规律;在此基础上将气动加速度中的阻力与爬升加速度建模为二阶时间相关模型,使其加速度自相关函数同时具备周期性与衰减性,并据此建立了动力学跟踪模型状态方程;此外,为应对有无动力段转换的误差突变问题(有动力的情况),引入强跟踪滤波进行突变点的滤波补偿。最后通过与不同现有算法比较验证了模型的优 越性 。     

一种高超声速飞行器鲁棒自适应控制方法

针对较强参数摄动情况下高超声速飞行器巡航段控制问题,提出一种基于主影响元素分析的鲁棒自适应控制方法。首先在飞行器具有未知参数情况下,使用符号计算工具对系统不确定量进行分离,实现不确定性的建模;进一步使用蒙特卡洛试验方法,确定不确定函数向量的主影响元素,对模型进行简化。然后在滑模控制的基础上,结合参数自适应估值和鲁棒补偿的方法,设计出飞行控制器,实现对未知参数的自适应估值以及对模型误差的补偿,并从理论上证明了系统的稳定性。仿真试验表明,在较大参数摄动情况下,文中所提方法依然可以保证系统的稳定性和跟踪性能。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题,提出一种基于学习的智能控制方法。为便于控制器设计,将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题,提出一种基于强化学习的智能控制方案;对于考虑有限通信资源的高度子系统跟踪控制问题,提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识,随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制,使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。