一种临近空间高超声速目标轨迹预测方法技术

一种临近空间高超声速目标轨迹预测方法，属于临近空间高超声速目标轨迹预测领域，本发明专利技术为了解决现有技术中通过制导规律在线辨识、拟合外推或模板匹配等方法实现轨迹预测，在临近高超声速目标防御过程中，目标的动力学模型等是未知的，且高超声速目标制导律复杂多变，在线估计困难且误差较大的问题，本发明专利技术通过将所得历史弹道数据分解为弹道趋势信号和弹道周期跳跃信号，并分别对趋势信号进行建模，对周期跳跃信号进行建模，最后对步骤二建立的趋势信号模型和步骤三建立的周期跳跃信号模型进行叠合得到弹道完整参数化模型，然后基于完整模型外推实现轨迹预测，本发明专利技术主要适用于高超声速目标横向机动轨迹预测、目标速度预测等方面。

【技术实现步骤摘要】
一种临近空间高超声速目标轨迹预测方法
本专利技术属于临近空间高超声速目标轨迹预测领域，具体涉及一种临近空间高超声速目标轨迹预测方法。
技术介绍
临近空间高超声速飞行器是指飞行于20～100km高度空域，飞行马赫数大于5，具有执行快速打击任务能力的飞行器。相对于传统弹道导弹目标，该类飞行器具有速度快、航程远、机动能力强、打击精度高的特点。借助于优越的气动性能，该类飞行器具有强大的横向机动、纵向跳跃机动能力，对现代防御体系构成了巨大威胁。轨迹精确预测是临近空间高超声速目标有效拦截的基础。因此，开展轨迹预测方法研究对临近空间高超声速目标防御具有十分重要的战略意义。由于气动力等非保守力作用，传统弹道导弹轨迹预测方法难以满足高超声速目标轨迹预测的要求。现在对临近空间高超声速目标轨迹预测的研究还很少，且大多基于目标动力学模型等先验信息基础上，通过制导规律在线辨识、拟合外推或模板匹配等方法实现轨迹预测。然而，在临近高超声速目标防御过程中，目标的动力学模型等是未知的，且高超声速目标制导律复杂多变，在线估计困难且误差较大。因此，本专利技术把可观测的目标弹本文档来自技高网...

【技术保护点】
1.一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤是通过如下步骤实现的：/n步骤一：将所得历史弹道数据分解为弹道趋势信号和弹道周期跳跃信号；/n步骤二：对趋势信号进行建模；/n步骤三：对周期跳跃信号进行建模；/n步骤四：对步骤二建立的趋势信号模型和步骤三建立的周期跳跃信号模型进行叠合得到弹道完整参数化模型，然后基于完整模型外推实现轨迹预测。/n

【技术特征摘要】
1.一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤是通过如下步骤实现的：
步骤一：将所得历史弹道数据分解为弹道趋势信号和弹道周期跳跃信号；
步骤二：对趋势信号进行建模；
步骤三：对周期跳跃信号进行建模；
步骤四：对步骤二建立的趋势信号模型和步骤三建立的周期跳跃信号模型进行叠合得到弹道完整参数化模型，然后基于完整模型外推实现轨迹预测。


2.根据权利要求1中所述的一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤一的具体内容为：采用集成经验模态分解方法将所得历史弹道数据分解为弹道趋势信号和弹道周期跳跃信号，其中集成经验模态分解方法如下：
步骤一一：在弹道序列X(n)中分别加入K组高斯白噪声序列Gk，得到加噪信号Xk(n)，即：
Xk(n)＝X(n)+Gk(1)
式中，k＝1,…,K
步骤一二：对每组加噪信号Xk(n)进行EMD分解，得到I个固有模态函数IMF分量和残余项：



步骤一三：把K次EMD分解的输出均值作为集成经验模态分解的分解结果：



步骤一四：原始弹道数据可表示为：
X(n)＝T(n)+R(n)(4)



式中，残余项R(n)即为弹道数据的趋势信号，T(n)即为弹道数据的非平稳周期跳跃信号。


3.根据权利要求2中所述的一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤二的具体内容为：利用自回归AR建模方法对趋势信号进行建模，模型阶数和模型系数决定了建模精度，其中自回归AR建模方法如下：
步骤二一：自回归模型系数估计；
步骤二二：自回归模型阶数选择。


4.根据权利要求3中所述的一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤二一的具体内容如下：
步骤A：令向前、向后预测误差功率之和为最小；



式中，上标f表示前向预测，上标b表示后向预测，上式中



式中：上标f表示前向预测，上标b表示后向预测，为前向预测误差，为后向预测误差，ρf为前向预测误差功率，ρb为后向预测误差功率；
则向前、向后观测误差分别为：



上式中为了保证不超出给定数据范围，求和范围为p≤n≤N-1；
反射系数kp的递推公式形式如下：



式中：rxx(p)为自相关函数，为预测误差，
确定预测误差功率之和为最小时的反射系数kp，令：



将式(8)带人式(12)中，可得：



步骤B：根据步骤A的推导过程，利用Burg递推算法求AR模型参数：
步骤b1：给定初始条件：



步骤b2：利用式(10)计算kp：
步骤b3：更新预测误差平均功率：
ρp＝(1-|kp|2)ρp-1(13)
步骤b4：更新模型系数：



步骤b5：更新向前、向后观测误差：



步骤b6：令p＝p+1，返回步骤b2，直到所需模型阶数为止。


5.根据权利要求4中所述的一种临近空间高超声速目标轨迹预测方法，其特征在于：所述步骤二二中的模型系数直接关系着建模和预测精度，本步骤基于Burg算法确定自回归模型系数，具体过程为：
步骤C：确实模型形式：趋势信号RD(n)是线性、慢变、低频信号，因此自回归模型的形式如下：



式中，x(n)是均值为零的信号序列，n＝1,…,N，p为模型阶数，ak为模型系数，u(n)为零均值、方差为的白噪声序列，该模型的含义是，模型当前输出由当前输入和过去p个时刻的输出决定；
步骤D：确定模型阶数：模型阶数是建模精度的重要决定因素，本步骤以建模绝对误差均值最小为指标搜索确定模型阶数：



模型阶数搜索从1阶开始，若po+1阶模型的绝对误差均值MAE(po+1)大于M...

【专利技术属性】
技术研发人员：李君龙，荆武兴，胡玉东，陈晓波，陈赜，霍明英，
申请(专利权)人：北京电子工程总体研究所，哈尔滨工业大学，
类型：发明
国别省市：北京;11