基于改进自治多模型的弹道导弹全程弹道估计方法及系统技术方案

本发明专利技术属于目标跟踪技术领域，特别涉及一种基于改进自治多模型的弹道导弹全程弹道估计方法及系统，包含：构建用于全程弹道估计的运动模型集，该模型集中至少包含：用于非机动段检测的精确动力学子模型和用于机动段检测的三维当前统计子模型；依据机动检测中导弹运动状态的变化，采用硬决策通过设定子模型概率进行子模型切换，以实现对弹道导弹全飞行阶段跟踪。本发明专利技术基于硬决策的改进自治多模型实现弹道导弹全程弹道估计，实现弹道导弹全飞行阶段的稳定跟踪，同时减小非机动段弹道估计的误差；由于导弹处于非机动段的自由段时长较长，因此，本案对于弹道导弹的全程稳定跟踪和高精度弹道估计具有较好的应用价值。度弹道估计具有较好的应用价值。度弹道估计具有较好的应用价值。

【技术实现步骤摘要】
基于改进自治多模型的弹道导弹全程弹道估计方法及系统


[0001]本专利技术属于目标跟踪
，特别涉及一种基于改进自治多模型的弹道导弹全程弹道估计方法及系统。

技术介绍

[0002]弹道导弹的全程弹道通常可以分为三个阶段：主动段、自由段和再入段，这三个阶段的动力学特征有显著区别。其中主动段和再入段机动性强，对于防御方无法建立精确模型，但是持续时间较短；而自由段通常仅受地心引力作用，运动规律性强，可以建立较为准确的动力学模型，且持续时间最长，几乎占整个弹道的90％。由于弹道导弹不同阶段的动力学特征显著不同，因此如何构建一种弹道估计算法实现对弹道导弹全飞行过程的稳定高精度跟踪是研究的难点。
[0003]为了适应目标的不同运动特性，机动目标跟踪算法通常是一系列子滤波器间的切换或组合。该类方法通常分为两类：基于硬决策的方法和基于软决策的方法。基于硬决策的方法就是通过目标机动检测机动技术，当检测到目标机动后，将非机动模型硬切换至机动模型。软决策方法，即多模型(Multiple Model,MM)算法，其将机动目标跟踪描述为一个混合估计问题，由两个或以上的子模型滤波器组成，子滤波器间并行工作，根据它们的似然函数，计算每个子模型正确的概率，各子滤波器估计结果的加权和就是最终的状态估计。多模型算法发展经历了三个阶段：静态多模型(Autonomous Multiple Model,AMM)，交互多模型(Interacting Multiple Model,IMM)和变结构交互多模型。总体来说硬决策类方法具有较小的运算量，而软决策类的多模型算法则具有较小的暂态误差，更强的解决非线性估计问题的能力，和较好的可扩展性。前者运用的关键是通过合理选取机动检测方法中的指标，使得机动检测的延迟控制在可接受范围内；而后者运用的关键则是模型集的设计，对于VSIMM算法，还涉及到可变模型集自适应变化规则的设计。在机动目标跟踪领域，目前以IMM算法应用最为广泛，由于其兼顾了估计性能与计算效率，被认为是最有效的混合估计方案，IMM算法的性能很大程度上依赖于其所使用的模型集，其要求子模型之间不具有时间上的相关性。不满足这一条件时，子模型之间出现竞争，可能导致跟踪器整体性能的下降。因此传统的IMM算法并不适用于弹道导弹的全程弹道跟踪。

技术实现思路

[0004]为此，本专利技术提供一种基于改进自治多模型的弹道导弹全程弹道估计方法及系统，采用硬决策方式通过机动检测实现子模型切换，减小非机动段弹道估计误差的同时实现机动段的稳定跟踪。
[0005]按照本专利技术所提供的设计方案，一种基于改进自治多模型的弹道导弹全程弹道估计方法，包含如下内容：
[0006]构建用于全程弹道估计的运动模型集，该模型集中至少包含：用于非机动段检测的精确动力学子模型和用于机动段检测的三维当前统计子模型；
[0007]依据机动检测中导弹运动状态的变化，采用硬决策通过设定子模型概率进行子模型切换，以实现对弹道导弹全飞行阶段跟踪。
[0008]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，依据地心地固坐标系中目标导弹位置和速度矢量，构建导弹的引力加速度、牵连加速度和科氏力加速度具体表达形式，来获取导弹精确动力学模型的状态方程。
[0009]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，依据弹道状态矢量、状态转移矩阵、输入控制矩阵、过程噪声矩阵及机动加速度均值来获取机动段检测的三维当前统计模型状态方程，该状态方程表示为：
[0010]其中，X(k)表示k时刻弹道状态向量，F(k)表示状态转移矩阵，G(k)表示输入控制矩阵，V(k)表示过程噪声矩阵，表示机动加速度的均值。
[0011]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，假设抽样周期内目标加速度为常值，将三维当前统计模型表示为分段常加速度模型，即表示为:X(k)＝F(k)X(k-1)+V(k)。
[0012]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，机动检测过程中，利用两个子模型对弹道导弹观测信息进行并行处理，检测目标弹头是否开始机动；导弹处于非机动状态时，模型总体输出为精确动力学子模型输出；检测到弹头机动后，模型输出切换为三维当前统计子模型输出，同时检测目标弹头是否结束机动；弹头机动结束，将模型输出作为精确动力学子模型输入进行重新初始化，并将模型输出切换为精确动力学子模型输出；重复机动检测过程，直至跟踪结束。
[0013]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，利用精确动力学子模型中扩展卡尔曼滤波中的滤波异常检验来检测目标弹头是否开始机动；利用三维当前统计子模型中机动加速度检测目标弹头是否机动结束。
[0014]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，根据扩展卡尔曼滤波量测方程，用量测转换修正值与基于前一个量测值的估计值之差来表示扩展卡尔曼滤波的新息矩阵；利用新息矩阵和新息矩阵协方差获取新息矩阵的归一化平方和；根据χ2检验概率及新息矩阵的归一化平方和值大小来判定滤波异常。
[0015]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，设定连续三个或三个以上时刻扩展卡尔曼滤波均异常时，目标弹头开始机动。
[0016]作为本专利技术基于改进自治多模型的弹道导弹全程弹道估计方法，进一步地，假设J
l
(k+1)作为k+1时刻第l次机动检测的结果，目标运动状态改变则J
l
(k+1)＝1，否则J
l
(k+1)＝0；依据J
l
(k+1)及目标机动状态来确定各子模型概率及模型输出。
[0017]进一步地，基于上述的方法，本专利技术还提供一种基于改进自治多模型的弹道导弹全程弹道估计系统，包含：模型构建模块和估计检测模块，其中，
[0018]模型构建模块，用于构建用于全程弹道估计的运动模型集，该模型集中至少包含：用于非机动段检测的精确动力学子模型和用于机动段检测的三维当前统计子模型；
[0019]估计检测模块，用于依据机动检测中导弹运动状态的变化，采用硬决策通过设定子模型概率进行子模型切换，以实现对弹道导弹全飞行阶段跟踪。
[0020]本专利技术的有益效果：
[0021]本专利技术基于硬决策的改进自治多模型实现弹道导弹全程弹道估计，实现弹道导弹全飞行阶段的稳定跟踪，同时减小非机动段弹道估计的误差；由于导弹处于非机动段的自由段时长较长，因此，本案对于弹道导弹的全程稳定跟踪和高精度弹道估计具有较好的应用价值。
附图说明：
[0022]图1为实施例中弹道导弹全程弹道估计流程示意；
[0023]图2为实施例中改进自治多模型算法流程示意；
[0024]图3为实施例中仿真实验结果示意；
[0025]图4为实施例中三维CS的模型概率示意。
具体实施方式：
[0026]为使本专利技术的目的、技术方案和优点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进自治多模型的弹道导弹全程弹道估计方法，其特征在于，包含如下内容：构建用于全程弹道估计的运动模型集，该模型集中至少包含：用于非机动段检测的精确动力学子模型和用于机动段检测的三维当前统计子模型；依据机动检测中导弹运动状态的变化，采用硬决策通过设定子模型概率进行子模型切换，以实现对弹道导弹全飞行阶段跟踪。2.根据权利要求1所述的基于改进自治多模型的弹道导弹全程弹道估计方法，其特征在于，依据地心地固坐标系中目标导弹位置和速度矢量，构建导弹的引力加速度、牵连加速度和科氏力加速度具体表达形式，来获取导弹精确动力学模型的状态方程。3.根据权利要求1所述的基于改进自治多模型的弹道导弹全程弹道估计方法，其特征在于，依据弹道状态矢量、状态转移矩阵、输入控制矩阵、过程噪声矩阵及机动加速度均值来获取机动段检测的三维当前统计模型状态方程，该状态方程表示为：其中，X(k)表示k时刻弹道状态向量，F(k)表示状态转移矩阵，G(k)表示输入控制矩阵，V(k)表示过程噪声矩阵，表示机动加速度的均值。4.根据权利要求3所述的基于改进自治多模型的弹道导弹全程弹道估计方法，其特征在于，假设抽样周期内目标加速度为常值，将三维当前统计模型表示为分段常加速度模型，即表示为:X(k)＝F(k)X(k-1)+V(k)。5.根据权利要求1所述的基于改进自治多模型的弹道导弹全程弹道估计方法，其特征在于，机动检测过程中，利用两个子模型对弹道导弹观测信息进行并行处理，检测目标弹头是否开始机动；导弹处于非机动状态时，模型总体输出为精确动力学子模型输出；检测到弹头机动后，模型输出切换为三维当前统计子模型输出，同时检测目标弹头是否结束机动；弹头机动结束，将模型输出作为精确动力学子模型输入进行重新初始化，并将模型输出切换为精确动力...

【专利技术属性】
技术研发人员：吴楠，孟凡坤，王锋，丁力全，程鹏举，韩卓茜，王静，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：