基于最优样条节点的导弹主动段弹道估计方法

拟合导弹主动段弹道并估计其弹道参数是天基红外系统(SBIRS)的重要任务之一。首先采用三次样条函数对导弹主动段弹道进行描述,并建立主动段弹道的运动模型和测量模型;其次采用最大似然估计方法将导弹弹道估计问题转化为非线性最小二乘准则下的样条系数和样条节点分布最优估计问题;最后利用投影定理将样条系数估计和样条节点分布估计分离开来,并通过迭代逼近给出了最优样条节点数的确定方法。仿真实验结果表明,所提方法不仅对主动段弹道的拟合精度高,而且还减少了待估参数的数目,简化了求解过程,可在无先验信息条件下较好地解决导弹主动段弹道的估计问题。     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。     

基于样条拟合和双向滤波的助推段弹道估计

三次B样条拟合在助推段弹道估计中应用广泛,但存在弹道两端点邻域估计误差过大的问题.通过对B样条基函数矩阵的特性进行分析,发现其原因为端点邻域估计时能利用的有效观测数据最少.因此,提出一种基于样条拟合和双向滤波相结合的弹道估计策略：首先将双星观测数据利用无迹变换转换为等效位置观测;然后利用三次B样条拟合弹道;最后基于一种自适应卡尔曼滤波器,采用双向滤波策略改善样条拟合的端点估计精度.仿真结果表明：组合方法使样条拟合的端点估计误差减少40％,同时使估计弹道更平滑.此结果满足实时性要求.     

弹道跟踪数据融合处理的快速算法

针对弹道跟踪数据融合处理中的大计算量环节研究了快速算法。用样条函数表示弹道参数,建立了多测元的联合观测模型和弹道参数的非线性融合计算模型,给出了弹道参数的求解算法,分析了弹道参数融合计算中的大型矩阵运算问题,利用基础线性代数函数库提高了大型矩阵的运算速度。建立了样条模型计算的非线性约束优化模型,给出了确定样条节点位置的优化算法,通过分析样条模型的计算原理设计了并行算法,实现了样条模型的并行化计算。仿真结果表明,弹道参数融合计算和样条模型计算的效率都得到了显著提高,计算时间减少了65.47%,对缩短数据处理周期有重要意义。     

PSO节点寻优的样条逼近微分

样条节点分布对逼近精度的影响很大,样条节点寻优模型的雅可比矩阵求解复杂。利用经典参数的PSO（粒子群算法）解算样条最优节点分布模型,以逼近残差的平方和为目标函数,每步对节点序列排序后再计算目标函数,可以提高样条逼近精度,为样条节点寻优提供了一种较好的实现方法。仿真计算表明,在一定的节点个数情况下,PSO节点寻优的逼近效果比Carl de Boor的NEWNOT程序中的方法要好。     

雷测数据准实时处理的随机误差分离方法

为解决雷测数据中的随机误差分离问题,本文建立了雷测数据自由节点B样条非线性最小二乘表示的数学模型,介绍了确定样条节点数的方法,将弹道参数的求解问题分解为线性最小二乘的参数估计问题和非线性优化的求解问题,并通过求解最优节点和弹道参数实现了测量数据野值点的剔除、重构和随机误差分离。工程实践表明,该方法简化了数据处理过程,有效地提高了雷达准实时数据处理的精度。     

Kalman弹道滤波器的快速收敛性研究

在弹道修正过程中,需根据一段实测弹道参数,准确地估算常规弹箭的飞行弹道。工程中,常应用Kalman滤波方法,结合质点弹道模型建立六状态滤波弹道模型。速度初值估计的准确性,是对滤波过程造成影响的主要因素。为改善这一状况,采用多项式拟合用以对速度状态进行估计并以此作为滤波初始值。在此种估计下滤波,速度滤波过程可快速收敛,位置滤波过程收敛速度大幅度提高,可使最优弹道诸元参数获取时间缩短30%。     

基于弹道动力特性考虑的不完全测量数据处理方法

针对试验任务中数据丢失的情况,讨论了如何结合遥测信息,充分考虑弹道动力特性提供样条节点,最终获得目标高精度的位置和速度参数估计的问题。首先,介绍了样条节点的概念及其反映的物理背景;然后,结合遥测数据处理的相应理论,提出了遥测弹道具有充分反映动力特性、保形的特点;最后,结合最优节点搜索方法和节省参数建模理论,运用样条约束的联合处理手段,采用改进Gauss-Newton法求解非线性方程,给出了相应的实测数据处理算例。结果表明,基于靶场现有高精度测量设备的跟踪数据,充分考虑弹道的动力特性,在某些数据丢失的情况下,仍然可以提供高精度弹道参数。相对于传统的融合低精度测元进行数据补偿的方法,文中所介绍方法对提高全程弹道精度具有重要意义。     

参数估计的样条函数法应用

简要了介绍了样条函数法的基本原理，飞机的数学模型和空气动力系数的样条函数表达式。用一算例说明了估计过程，获得了纵向气动导数随迎角变化的估计结果。同时还研究了迎角节点间隔和样条函数的次数对估计结果的影响，估计结果表明，样条函数法是非线性参数估计的重要方法之一，适当减小节点和间隔和适当增加样条函数次数可以提高参数估计的精度。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

样条节点优化方法及其在弹道表示中的应用

精确的主动段弹道表示模型是高精度弹道参数估计算法的关键。针对等距节点样条模型表示主动段弹道截断误差过大问题,引入一种基于残差的自适应样条节点优化方法,用自由节点样条表示主动段弹道,并根据假设检验理论给出算法中的阈值确定方法。仿真结果表明,经该方法进行节点优化后的样条模型,不但能有效控制模型误差,当检验水平较高时,还能初步识别导弹主动段特征点。     

Interacting multiple model filter for tactical ballistic missile tracking

An interacting multiple model (IMM) filter is presented for the real-time tracking of tactical ballistic missiles (TBMs). The novel aspects of the proposed IMM filter include the development of a constant axial force (CAF) Kalman filter, asymmetric IMM state interaction, and an entropy-based variation of the IMM mode probability update equation. Using data from a recent TBM defense (TBMD) test event, the proposed IMM filter is shown to yield consistent state estimates throughout the entire TBM trajectory, which includes a dual-stage boost during launch.     

基于EKF的天线罩误差斜率多模型估计方法

 提出一种新的滤波器结构,利用基于扩展卡尔曼滤波(EKF)的多模型(MM)算法,对天线罩误差斜率进行估计,降低天线罩误差对雷达自寻的导弹的影响,提高系统性能。在三维坐标下,创建包含导弹运动方程、目标运动方程、弹目相对运动方程的滤波模型。采用EKF算法,对包含天线罩误差的非线性观测方程进行线性化处理;依照多模滤波的思想,对天线罩误差进行离散建模,构建伪观测方程,更新模型概率,得到天线罩误差斜率的估计值;将斜率估计结果代入EKF,得到滤除天线罩误差影响的系统状态量估计结果并形成制导指令。仿真结果表明,所提方法可以有效地估计天线罩斜率,提高系统制导精度。     

空间平台机动变轨自主导航研究

针对空间平台在高轨道机动变轨过程中自主导航的需求,采用了基于Kalman滤波器的捷联惯导与星敏感器的组合导航方案。结合Kalman滤波中协方差更新的误差分配分析方法,分析了影响空间平台状态估计误差的主要因素。采用适用于高轨道的球谐重力模型,运用STK工具包设计了变轨机动轨迹,将该轨迹应用于组合导航方案的仿真验证。仿真结果表明,量测噪声是影响空间平台姿态精度的主要因素,加速度计零偏对变轨过程速度精度有决定性影响,改善两者的精度可以实现空间平台机动变轨的高精度自主导航。     

Trajectory Estimation with Multi-range-rate System Based on Sparse Representation and Spline Model Optimization

The classic state methods for trajectory estimation in boost phase with multi-range-rate system include method of point-by-point manner and that of spline-model-based manner. Both are deficient in terms of model-approximation accuracy and systematic error determination thus resulting in the estimation errors well beyond the requirements, especially, concerning the maneuvering trajectory. This article proposes a new high-precision estimation approach based on the residual error analysis. The residual error comprises three components, i. e. systematic error, model truncation error and random error. The approach realizes self-adaptive estimation of systematic errors in measurements following the theory of sparse representation of signals to minimize the low-frequency components of residual errors. By taking median- and high-frequency components as indexes, the spline model-approximation is improved by optimizing node sequence of the spline function and the weight selection for data fusion through iteration. Simulation has validated the performances of the proposed method.     

Application of Road Information in Ground Moving Target Tracking

A new algorithm is developed to achieve accurate state estimation in ground moving target tracking by means of using road information. It is an adaptive variable structure interacting multiple model estimator with dynamic models modification （DMM VS-IMM for short）. Firstly, road information is employed to modify the target dynamic models used by filter, including modification of state transition matrix and process noise. Secondly, road information is applied to update the model set of a VS-IMM estimator. Predicted state estimation and road information are used to locate the target in the road network on which the model set is updated and finally IMM filtering is implemented. As compared with traditional methods, the accuracy of state estimation is improved for target moving not only on a single road, but also through an intersection. Monte Carlo simulation demonstrates the efficiency and robustness of the proposed algorithm with moderate computational loads.     

外弹道容错样条微分技术研究及应用

外测系统中传统的正交多项式微分方法和自然样条微分方法容错能力弱,无法避免截断误差、消除异常数据的影响,并且求得的微分结果对随机误差敏感。为了解决这些问题,提出容错样条微分技术,融合了自然样条微分算法与正交多项式中心平滑的优点,不仅增强了算法的容错性能、降低了结果对随机误差的敏感性,并且减小了截断误差。通过仿真试验,验证了该算法的实用性和有效性,为试验任务提供了高精度的弹道参数结果。     

Observer-type Kalman innovation filter for uncertain linear systems

An observer-type of Kalman innovation filtering algorithm to find a practically implementable "best" Kalman filter, and such an algorithm based on the evolutionary programming (EP) optima-search technique, are proposed, for linear discrete-time systems with time-invariant unknown-but-hounded plant and noise uncertainties. The worst-case parameter set from the stochastic uncertain system represented by the interval form with respect to the implemented "best" filter is also found in this work for demonstrating the effectiveness of the proposed filtering scheme. The new EP-based algorithm utilizes the global optima-searching capability of EP to find the optimal Kalman filter and state estimates at every iteration, which include both the best possible worst case Interval and the optimal nominal trajectory of the Kalman filtering estimates of the system state vectors. Simulation results are included to show that the new algorithm yields more accurate estimates and is less conservative as compared with other related robust filtering schemes     

离散不确定系统的优化鲁棒滤波方法及在飞行试验中的应用

提出了一种离散系统的优化鲁棒滤波方法。为了得到滤波的逼近计算式，通过优化加权矩阵得到了上界不等式逼近和等效系统矩阵，得到了鲁棒滤波的时间更新算法；通过优化加权矩阵得到了下界不等式逼近和等效观测矩阵，得到了鲁棒滤波的测量更新算珐，并且给出了鲁棒滤波算法收敛的条件。飞行试验数据处理的结果表明，提出的方法是有效的。