基于非對稱交互多模型算法的上升段彈道估計

耿林玉,吳 楠,孟凡坤,韓佳穎

(1.解放軍信息工程大學(xué),河南 鄭州 450001;2.96669部隊,北京 102208)

基于非對稱交互多模型算法的上升段彈道估計

耿林玉1，2,吳 楠1,孟凡坤1,韓佳穎2

(1.解放軍信息工程大學(xué),河南 鄭州 450001;2.96669部隊,北京 102208)

彈道導(dǎo)彈上升段涵蓋助推段和自由段,動力特征復(fù)雜,傳統(tǒng)跟蹤算法難以獲得其全程穩(wěn)定高精度的彈道估計。對此提出一種用于上升段彈道估計的自適應(yīng)非對稱交互多模型算法,模型集由三維當前統(tǒng)計模型和精確動力學(xué)模型構(gòu)建,并對模型狀態(tài)矢量進行統(tǒng)一。仿真結(jié)果表明,算法實現(xiàn)了對導(dǎo)彈上升段穩(wěn)定高精度跟蹤以及關(guān)機點的有效檢測,與傳統(tǒng)CS算法相比較,自由段彈道估計精度提高68.9%,且可有效檢測導(dǎo)彈的運動模式切換,檢測延遲小于2s,滑行段暫態(tài)誤差降低79.5%。

機動彈道估計; 非對稱交互多模型; 機動檢測; 穩(wěn)定跟蹤

吳 楠(1984-),男,博士,講師。

孟凡坤(1963-),男,碩士,教授。

韓佳穎(1985-),女,碩士,工程師。

隨著探測技術(shù)的最新發(fā)展,各國導(dǎo)彈防御體系紛紛謀求上升段預(yù)警攔截,與此同時,導(dǎo)彈上升段復(fù)雜的運動特性給導(dǎo)彈防御體系的探測、跟蹤、落點預(yù)報帶來了新的挑戰(zhàn)[1-4],因此開展上升段彈道估計算法的研究,對于重構(gòu)導(dǎo)彈防御體系極為迫切。

機動彈道估計算法也稱機動目標跟蹤算法,目前主要分為兩類:單模型算法和多模型算法[5-6](Multiple Model,MM)。彈道上升段既包含助推段,又包含一部分自由段,通過仿真[4]可知,基于單模型算法的機動彈道估計無法兼顧機動段與非機動段的估計精度,因此單模型算法不適用于上升段的彈道估計。

目前針對導(dǎo)彈上升段的彈道估計研究較少,探索新的多模型算法必將是主流趨勢。多模型算法的總體思想是將機動目標跟蹤描述為一個混合估計問題,其最大的特點就是引入了模型概率的概念:多個子模型濾波器并行工作,當目標運動模式改變時,通過模型概率的變化實現(xiàn)模型權(quán)重的轉(zhuǎn)換,以多個模型的加權(quán)和作為目標的狀態(tài)估計。

多模型算法的發(fā)展經(jīng)歷了三個階段[7]:靜態(tài)多模型,交互多模型(Interacting Multiple Model,IMM)和變結(jié)構(gòu)交互多模型。其中以基于IMM估計的應(yīng)用最為廣泛,該算法在多模型的基礎(chǔ)上,假設(shè)不同模型之間的轉(zhuǎn)移服從已知轉(zhuǎn)移概率的有限態(tài)馬爾可夫鏈,考慮多個模型間的交互作用,從而得出目標的狀態(tài)估計。IMM實現(xiàn)了自適應(yīng)跟蹤的同時兼顧了估計性能與計算效率[8-10],被認為是最有效的混合估計方案。

本文針對彈道導(dǎo)彈上升段的復(fù)雜機動特性,基于IMM提出一種自適應(yīng)非對稱IMM彈道估計算法,使用精確動力學(xué)模型和三維當前統(tǒng)計模型[6](Current Statistical Model,CS)構(gòu)成運動模型集,并對兩者的狀態(tài)矢量和協(xié)方差矩陣進行維數(shù)統(tǒng)一。通過兩個子濾波器狀態(tài)估計的組合得到整體的狀態(tài)估計,以此減小估計過程中因模型不確定性造成的估計誤差。

仿真表明,與基于單個CS算法的上升段彈道估計相比,自適應(yīng)非對稱IMM算法不僅實現(xiàn)了助推段的穩(wěn)定跟蹤,減小了自由段的估計誤差,同時實現(xiàn)了模型的自由切換,對導(dǎo)彈滑行段進行了有效檢測,降低了滑行段暫態(tài)誤差,提高了關(guān)機點的估計精度。

1 非對稱交互多模型算法

1.1 模型集構(gòu)建

彈道上升段既包含助推段,又包含一部分自由段。其中助推段內(nèi)導(dǎo)彈受發(fā)動機推力、二體引力和非球體攝動力作用,機動特性明顯;自由段內(nèi)導(dǎo)彈僅受地球的二體引力和非球體攝動力作用,保持自由飛行狀態(tài),運動規(guī)律性強。

針對上升段的特性,本文選擇多模型算法進行彈道估計,助推段采用三維CS,自由段采用基于J2攝動的精確動力學(xué)模型,二者共同構(gòu)成IMM的模型集。這兩個模型經(jīng)常應(yīng)用于彈道估算,但因其目標狀態(tài)矢量和協(xié)方差矩陣維數(shù)不同,鮮有文獻將其二者構(gòu)成模型集,因此本文著重講解如何進行維數(shù)統(tǒng)一,兩個子模型的構(gòu)建算法不再贅述。

1.2 維數(shù)統(tǒng)一

本算法關(guān)鍵是要解決非對稱問題:IMM最終輸出的目標狀態(tài)矢量為九維,其中基于三維CS彈道估計的狀態(tài)矢量為九維,其協(xié)方差矩陣為9階;但基于精確動力學(xué)模型彈道估計的狀態(tài)矢量為六維,其協(xié)方差矩陣為6階。因此,為實現(xiàn)狀態(tài)估計的交互,需將兩個子模型濾波輸出的目標狀態(tài)矢量和協(xié)方差矩陣在交互前進行維數(shù)統(tǒng)一。

思路有兩種:1)對基于三維CS估計的狀態(tài)矢量和協(xié)方差矩陣進行降維;2)對基于精確動力學(xué)模型估計的狀態(tài)矢量和協(xié)方差矩陣進行維數(shù)擴展。 考慮到后續(xù)需從交互后的目標狀態(tài)矢量和協(xié)方差矩陣中提取子模型輸入,第一種方法需要經(jīng)過兩次復(fù)雜的維數(shù)變換,計算量過大。本文選擇對基于精確動力學(xué)模型的彈道估計進行維數(shù)擴展,以統(tǒng)一非對稱模型的維數(shù)。對基于精確動力學(xué)模型的機動彈道估計算法增加變維方程:

X2(k)=g(k,X1(k))

(1)

對導(dǎo)彈在精確動力學(xué)模型中的目標狀態(tài)方程進行推導(dǎo)得向量g:

(2)

其中:

(3)

計算向量g的雅各比矩陣k時刻在最近的狀態(tài)估計取值gx(k),用gx(k)對P1(k)進行擴展得到九維的協(xié)方差矩陣:

(4)

由此精確動力學(xué)模型的維數(shù)得到擴展,此時交互多模型具有九維目標狀態(tài)矢量,所得估計結(jié)果中包含加速度估計值。

需要注意的是,在進行EKF濾波時,精確動力學(xué)模型的目標狀態(tài)矢量需取交互后目標狀態(tài)矢量的前六維,協(xié)方差矩陣需取交互后狀態(tài)矢量協(xié)方差矩陣的前6×6部分。

1.3 濾波初始化

采用三維CS與精確動力學(xué)模型作為子模型構(gòu)成多模型算法的模型集后,本文采用擴展卡爾曼濾波[8](Extended Kalman Filtering,EKF),分別對兩者進行濾波,繼而對所得狀態(tài)估計進行交互。

考慮EKF與三維CS濾波初始化時采用的觀測數(shù)據(jù)點數(shù)不同,為實現(xiàn)子模型的并行工作,對模型的濾波初始化做出一些改變。

從k=4時刻統(tǒng)一開始進行兩個模型的計算和交互,用兩模型交互后的所得值作為濾波的初始化輸入數(shù)據(jù)。

1.4 算法流程

經(jīng)典IMM算法是在多模型算法的基礎(chǔ)上增加馬爾科夫轉(zhuǎn)移,考慮多個模型的交互作用根據(jù)似然函數(shù),計算每一個模型的正確概率,以多個模型的加權(quán)和作為目標的狀態(tài)估計。

本文算法在經(jīng)典IMM的基礎(chǔ)上,解決了子模型間維數(shù)不同的問題,即在對子模型的估計結(jié)果進行交互前,對模型維數(shù)進行了統(tǒng)一,總體思想如圖1所示。

圖1 自適應(yīng)非對稱交互多模型算法示意圖

算法從k時刻到k+1時刻遞推過程如下:

1)狀態(tài)交互

(5)

(6)

其中,

(7)

2)模型條件濾波

3)模型可能性計算

若模型i濾波殘差為vi(k+1),相應(yīng)協(xié)方差為Si(k+1),并假定服從高斯分布,使用Λ(k)表示模型可能性向量,則模型i的概率為

(8)

其中,

(9)

4)模型輸出

(10)

(11)

由算法流程可知,IMM有獨特的優(yōu)勢——依據(jù)模型概率可以判斷目標的運動狀態(tài)。分析可知,非機動狀態(tài)下基于精確動力學(xué)模型的彈道估計結(jié)果精確性更高,因此其概率應(yīng)明顯大于基于三維CS的機動彈道估計;同理,當目標機動時后者的模型概率顯著增加并超過前者。

2 仿真與結(jié)果分析

2.1 參數(shù)設(shè)置

為驗證算法有效性,利用一條已知彈道數(shù)據(jù)的7000km射程彈道導(dǎo)彈彈道進行仿真。根據(jù)采樣點,用樣條擬合法估計出采樣值之間的航跡,得到地固系中上升段三維彈道曲線如圖2,求速度對時間的導(dǎo)數(shù)得x,y,z三軸方向上的加速度——時間曲線如圖2。

根據(jù)彈道軌跡,將地基雷達設(shè)置在L=5°,B=3°,H=0,觀測數(shù)據(jù)的標準差分別為σR=100m,σA=0.01deg,σE=0.01deg,觀測間隔T=0.1s。根據(jù)地基雷達與彈道的幾何關(guān)系及雷達探測模型獲得雷達觀測數(shù)據(jù)的真值如圖3、4所示。

圖2 導(dǎo)彈上升段三維彈道曲線

由圖3可知,導(dǎo)彈在X軸方向平均加速度最小,機動性較弱,在Z軸方向上最大加速度達到96m/s2,機動性最強。

由圖4可知,該雷達可完整跟蹤上升段彈道,探測過程中,斜距先變小再變大,同時俯仰角先變大再變小,說明彈頭相對于雷達先接近再遠離,兩者斜距最小為295.1km,最大為3320.8km。

圖3 上升段axayaz隨時間變化的曲線

圖4 雷達觀測數(shù)據(jù)真值

為方便計算,截取100s～400s上升段數(shù)據(jù)進行仿真。在這300s內(nèi),124s時二級發(fā)動機關(guān)機,經(jīng)歷2s滑行段后,126s時三級發(fā)動機開機,179s時三級發(fā)動機關(guān)機,至此,助推段結(jié)束,自由段開始。

針對上述場景,分別采用單個傳統(tǒng)CS算法和本文算法進行彈道估計,以驗證算法有效性。兩種算法參數(shù)設(shè)置如下:

1)傳統(tǒng)CS算法參數(shù)設(shè)置

機動頻率0.01,最大加速度200m/s2。

2)非對稱IMM算法參數(shù)設(shè)置

模型轉(zhuǎn)移概率

模型初始概率

μ0=[0.5 0.5]

其中CS模型的機動頻率為0.01,最大加速度為200m/s2,與用單個CS算法仿真時參數(shù)設(shè)置相一致,保證兩次仿真的可比性。

2.2 結(jié)果分析

根據(jù)所設(shè)條件,利用上述兩種算法進行估計,Monte Carlo仿真1000次,獲得兩種算法的位置、速度、加速度均方根誤差(RMSE)如圖5至7所示,圖中,實線代表本文算法結(jié)果,虛線代表三維CS算法結(jié)果。圖8為本文算法中兩個子模型的平均概率曲線。

圖5 位置估計RMSE

圖6 速度估計RMSE

圖7 加速度估計RMSE

圖8 模型平均概率

圖5給出了兩種算法的位置估計RMSE。由圖可知,經(jīng)2s濾波穩(wěn)定后,在助推段,本文算法在X軸、Y軸上的位置估計誤差與三維CS算法相當,其中Z軸方向上因?qū)棛C動性強,加速度較大,本文算法中精確動力學(xué)模型的影響增大,導(dǎo)致其估計誤差略大于三維CS算法;在自由段,本文算法的估計誤差明顯小于三維CS算法,截至觀測結(jié)束,本文算法的位置估計誤差較三維CS算法,在X、Y、Z方向上分別下降了35.80%、34.85%、34.69%。

圖6給出了兩種算法的速度估計RMSE?？煽闯?本文算法在速度估計上的優(yōu)勢更明顯:經(jīng)2s濾波穩(wěn)定后,助推段內(nèi),本文算法在X、Y方向上的速度估計誤差與三維CS算法相當,同樣,Z軸方向上因?qū)棛C動性強,精確動力型模型的影響增大,導(dǎo)致助推段本文算法Z軸上的速度估計誤差略大于三維CS算法;而在自由段,本文算法的優(yōu)勢明顯,估計誤差在X、Y、Z軸上分別下降了70.07%、67.64%、67.66%。

圖7給出了兩種算法的加速度估計RMSE?？煽闯?本文算法在加速度估計上效果最好,經(jīng)2s濾波穩(wěn)定后,助推段內(nèi),本文算法在X軸方向上的加速度估計誤差與三維CS算法相當,Y軸、Z軸上因?qū)棛C動性強,本文算法中精確動力學(xué)模型的影響增大,誤差略大于三維CS算法;進入自由段后,本文算法的加速度估計誤差明顯下降,截至觀測結(jié)束,較CS算法,在X、Y、Z軸上分別下降了84.01%、82.69%、82.10%。

同時由圖5至7可看出,由于采用多模型決策,本文算法的穩(wěn)定性明顯優(yōu)于三維CS算法。在124s二級發(fā)動機關(guān)機、176s三級發(fā)動機關(guān)機的這兩個時刻,CS算法均產(chǎn)生較大的暫態(tài)誤差,而本文算法平穩(wěn)性明顯較好,比如速度估計誤差分別下降了34.7%、79.5%。

圖8為本文算法中,兩個子模型的平均概率曲線。由圖可知,助推段內(nèi)CS模型的平均概率高達0.8,明顯大于精確動力學(xué)模型,自由段內(nèi)精確動力學(xué)模型的平均概率高達0.8,明顯大于CS模型。該結(jié)果與實際相符:助推內(nèi),CS模型更契合導(dǎo)彈的機動特性,因此CS模型對估計結(jié)果起主要作用;自由段內(nèi),精確動力學(xué)模型更契合導(dǎo)彈的非機動特性,因此其對估計結(jié)果起主要作用。由此說明,本文算法不僅能全程跟蹤上升段彈道,更能通過概率曲線判斷導(dǎo)彈的飛行狀態(tài),為進一步研究提供更多參數(shù)。

圖8中126s-128s時,模型概率發(fā)生快速轉(zhuǎn)變:CS模型的概率快速下降至0.3,EKF模型的概率快速上升至0.7。該轉(zhuǎn)變表明算法檢測出了124s-126s導(dǎo)彈短暫的滑行段,且模型切換延遲控制在了2s內(nèi),此時二級發(fā)動機關(guān)機,三級發(fā)動機還未開啟,子模型概率的快速切換與導(dǎo)彈的運動特性相符。由此可得,本文算法的快速響應(yīng)能力較好。

綜上,基于非對稱IMM算法的機動彈道估計不僅實現(xiàn)了彈道導(dǎo)彈整個上升段的穩(wěn)定跟蹤,且與傳統(tǒng)的三維CS算法相比,自由段彈道估計精度提高了68.9%,且可有效檢測導(dǎo)彈的運動模式切換,檢測延遲小于2s,實現(xiàn)了導(dǎo)彈滑行段的精確檢測,滑行段暫態(tài)誤差降低79.5%。

3 結(jié)束語

針對彈道導(dǎo)彈的上升段彈道估計中,基于單個模型無法實現(xiàn)彈道導(dǎo)彈上升段全過程穩(wěn)定跟蹤的問題,本文提出了一種基于非對稱IMM的機動彈道估計算法。該方法具有以下優(yōu)勢:

1)實現(xiàn)了彈道導(dǎo)彈上升段的穩(wěn)定跟蹤,且較三維CS算法,自由段估計精度較提高了68.9%,二三級發(fā)動機關(guān)機時刻的暫態(tài)誤差分別下降34.7%、79.5%,算法穩(wěn)定性較好。

2)能有效檢測導(dǎo)彈的飛行狀態(tài),并通過概率曲線直觀反映,切換延遲控制在2s,快速響應(yīng)特征較好。

[1] 鄭偉,湯國建.上升段引力常數(shù)變化及其對彈道導(dǎo)彈運動的影響[J].導(dǎo)彈與航天運載技術(shù),2008(3):12-14.

[2] 李濟生,葉杰,王家松,等.航天器軌道確定[M].北京：國防工業(yè)出版社,2003.

[3] Li X R.Survey of Maneuvering Tatget Tracking.Part1: Dynamic Models[J].IEEE Transactions on Aerospace and Electronic Systems,2003,39(4):1333-1364.

[4] 鈕俊清,單奇,任清安,等.跟蹤彈道導(dǎo)彈全階段的可變多模型方法[J].雷達科學(xué)與技術(shù),2011,9(3):224-231.

[5] 任堅斌.基于交互式多模型的機動目標跟蹤算法研究[D].南京：南京理工大學(xué),2007.

[6] 周宏仁,敬忠良,王培德.機動目標跟蹤[M].北京:國防工業(yè)出版社.1991.

[7] Shima T,Oshman Y,Shinar J.Efficient multiple model adaptive estimation in ballistic missile interception scenarios[J].Journal of Guidance,Control and Dynamics,2002,25(4)：667-675.

[8] 李曉宇,田康生,鄭玉軍,等.基于關(guān)機點狀態(tài)的彈道導(dǎo)彈落點估計及誤差分析[J].艦船電子對抗,2014,37(5)：71-74.

[9] Geoge M.S,Chen Guanrong,Wang Jianrong.Tracking an incoming ballistic missile using an extended interval kalman filter[J].IEEE Trans.On Aerospace and Electronic Systmes,1997,35(2):394-409.

[10] 楊元喜.Kalman濾波異常誤差檢測[J].測繪科學(xué)與工程,2005，25(4):1-4.

Ascent Trajectory Estimation Based on Asymmetric Interacting Multiple Model Algorithm

GENG Lin-yu1,2,WU Nan1,MENG Fan-kun1,HAN Jia-ying2

(1.Information Engineering University,Zhengzhou 450001;2.the Unit 96669 of PLA,Beijing 102208,China)

The ballistic missile rising section includes both the boost and the free segment,its complex dynamic characteristic is difficult for single model to achieve precise and stable tracking.This paper presents an adaptive asymmetric multiple model algorithm for the estimation of the ascent trajectory,unifies the model state vector,the model set is constructed by three-dimensional current statistical model and accurate dynamic model.Simulation results show that,the algorithm realizes the high precision tracking of the rising segment of the missile and the effective detection of the shutdown point,compared with the traditional CS algorithm,the estimation accuracy of the free trajectory is improved by 68.9%,and can effectively detect the missile motion mode,the detection delay is less than 2S,the sliding section the transient error is reduced by 79.5%.

maneuver trajectory estimation; asymmetric interacting multiple model; maneuver detection; stably tracking

TJ761.；E927.13

A

10.3969/j.issn.1673-3819.2017.05.025

1673-3819(2017)05-0120-06

2017-01-09

2017-03-29

耿林玉(1989-),女,江蘇鹽城人,碩士,助理工程師,研究方向為空天目標預(yù)警信息處理。