空中大機(jī)動目標(biāo)跟蹤算法研究*

呂梅柏，趙小鋒，劉廣哲

(1.西北工業(yè)大學(xué)，陜西 西安 710072；2.航天飛行動力學(xué)國防重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710072；3.海軍駐西安導(dǎo)彈設(shè)備軍事代表室，陜西 西安 710065)

0 引言

隨著現(xiàn)代空戰(zhàn)中目標(biāo)機(jī)動性的增強(qiáng)及機(jī)動方式的增多，對導(dǎo)彈末制導(dǎo)階段的目標(biāo)準(zhǔn)確跟蹤提出了嚴(yán)峻的挑戰(zhàn)。當(dāng)目標(biāo)機(jī)動較大時(shí)會大大降低導(dǎo)彈的攔截精度，需要對目標(biāo)運(yùn)動參數(shù)進(jìn)行濾波，選擇合適的目標(biāo)跟蹤模型和濾波估計(jì)算法是提高目標(biāo)跟蹤精度的有效途徑之一[1]。

在傳統(tǒng)的勻速(CV)、勻加速(CA)及Singer等模型中，選取的狀態(tài)變量無法對機(jī)動轉(zhuǎn)彎目標(biāo)進(jìn)行準(zhǔn)確描述，而機(jī)動轉(zhuǎn)彎模型(CT)通過引入轉(zhuǎn)彎角速度，較好地解決了坐標(biāo)耦合問題[2]。由于空中目標(biāo)的機(jī)動具有很大不確定性，采用單一模型無法完整描述空中大機(jī)動目標(biāo)的運(yùn)動。交互式多模型算法(IMM)通過馬爾可夫轉(zhuǎn)移矩陣實(shí)現(xiàn)多個模型之間的切換，是目前解決未知機(jī)動問題的一種有效方法[3]。

在導(dǎo)彈末制導(dǎo)階段，由導(dǎo)引頭測量到的目標(biāo)信息是在球坐標(biāo)系中進(jìn)行描述的，導(dǎo)致系統(tǒng)具有非線性[4-5]。常用的非線性濾波算法有擴(kuò)展卡爾曼濾波算法(EKF)及無跡卡爾曼濾波算法(UKF)等。EKF算法在線性化的過程中會引入模型誤差，在系統(tǒng)的非線性較強(qiáng)時(shí)容易發(fā)散[6]，UKF在使用時(shí)需調(diào)節(jié)三個參數(shù)，且采樣點(diǎn)數(shù)目的增加導(dǎo)致計(jì)算量增大，不利于進(jìn)行實(shí)時(shí)計(jì)算。容積卡爾曼濾波算法(CKF)采用一組容積點(diǎn)集計(jì)算隨機(jī)變量在非線性變化后的均值和協(xié)方差，具有更優(yōu)的非線性逼近性能和濾波精度，且實(shí)現(xiàn)簡單[7]。

原始的IMM算法采用了EKF方法，部分文獻(xiàn)將UKF與CKF方法應(yīng)用于IMM算法中，取得了較好的結(jié)果[8-10]。本文采用IMM模型及CKF算法，在導(dǎo)彈末制導(dǎo)階段對大機(jī)動目標(biāo)進(jìn)行跟蹤，結(jié)果驗(yàn)證了該方法對空中大機(jī)動目標(biāo)進(jìn)行跟蹤的有效性，且在運(yùn)行時(shí)間上優(yōu)于IMM-UKF算法，適合用于實(shí)時(shí)計(jì)算。

1 機(jī)動目標(biāo)與導(dǎo)彈運(yùn)動模型

1.1 目標(biāo)運(yùn)動模型

空中目標(biāo)在正常巡航狀態(tài)下，一般為勻速直線運(yùn)動，可以采用(CV)模型進(jìn)行描述，而當(dāng)目標(biāo)發(fā)現(xiàn)來襲導(dǎo)彈后，往往會采取機(jī)動進(jìn)行逃逸，此時(shí)可以采用機(jī)動轉(zhuǎn)彎(CT)模型進(jìn)行描述。假設(shè)目標(biāo)在Oxy平面內(nèi)做勻速等過載轉(zhuǎn)彎運(yùn)動[11]，即

(1)

式中：vt為目標(biāo)運(yùn)動速度;ω為轉(zhuǎn)彎角速度。

Xk=Φk,k-1Xk-1+ΓWk-1，

(2)

(3)

CT模型中，

(4)

(5)

1.2 導(dǎo)彈制導(dǎo)模型

設(shè)(xt,yt,zt),(xm,ym,zm)分別為目標(biāo)和導(dǎo)彈在慣性坐標(biāo)系下任意時(shí)刻的坐標(biāo)，則導(dǎo)彈與目標(biāo)的相對運(yùn)動方程為[12]

(6)

目標(biāo)視線旋轉(zhuǎn)角速度為

(7)

(8)

采用廣義比例導(dǎo)引律，則導(dǎo)彈的制導(dǎo)控制方程為

(9)

1.3 導(dǎo)引頭測量模型

建立導(dǎo)引頭觀測方程

Zk=h(Xk)+Vk,

(10)

式中：觀測向量為Zk=(φ,ε,r)T;Vk是均值為0，協(xié)方差陣為R的高斯白噪聲向量;h(·)為非線性函數(shù)，且

(11)

2 IMM-CKF算法

2.1 簡化容積卡爾曼濾波算法

CKF基于三階球面徑向容積準(zhǔn)則，通過一組等權(quán)值的容積點(diǎn)來近似計(jì)算非線性系統(tǒng)中的概率積分。采用文獻(xiàn)[13]中的簡化CKF算法，計(jì)算步驟如下：

(1) 時(shí)間更新

狀態(tài)預(yù)測：

(12)

預(yù)測誤差協(xié)方差矩陣：

Pk|k-1=ΦPk-1ΦT+ΓQk-1ΓT.

(13)

(2) 量測更新

權(quán)值：

(14)

容積點(diǎn)估計(jì)：

(15)

容積點(diǎn)傳播：

zl,k=h(xl,k).

(16)

量測預(yù)測值：

(17)

新息方差矩陣：

(18)

協(xié)方差矩陣：

(19)

最優(yōu)增益：

(20)

狀態(tài)更新：

(21)

誤差協(xié)方差矩陣更新：

(22)

2.2 基于簡化CKF的IMM算法

基于CV,CT 2種運(yùn)動模型設(shè)計(jì)交互式多模型，設(shè)計(jì)步驟如下[14-15]：

(1) 輸入交互

計(jì)算聯(lián)合概率矩陣：

(23)

將每一列相加，得到在k+1時(shí)刻模型j的預(yù)測概率：

(24)

則輸入交互概率為

(25)

根據(jù)輸入交互概率對當(dāng)前狀態(tài)和估計(jì)方差進(jìn)行交互計(jì)算：

(26)

(27)

(2) 濾波更新

(3) 模型概率更新

模型j的似然函數(shù)為

Λj(k+1)=

(28)

模型j的更新概率為

(29)

(4) 模型輸出

狀態(tài)估計(jì)為

(30)

誤差協(xié)方差陣為

(31)

3 仿真校驗(yàn)

3.1 仿真流程及參數(shù)設(shè)置

為了驗(yàn)證IMM模型及CKF算法對于導(dǎo)彈末制導(dǎo)階段對大機(jī)動目標(biāo)跟蹤的準(zhǔn)確性，采取如下仿真計(jì)算流程：

(1) 初始化導(dǎo)彈及目標(biāo)位置、速度、加速度等運(yùn)動參數(shù)，初始化濾波器參數(shù)；

(2) 根據(jù)目標(biāo)運(yùn)動方程計(jì)算目標(biāo)當(dāng)前時(shí)刻的真實(shí)運(yùn)動參數(shù)；

(3) 根據(jù)上一時(shí)刻的目標(biāo)運(yùn)動參數(shù)估計(jì)值及導(dǎo)彈實(shí)際運(yùn)動參數(shù)計(jì)算導(dǎo)彈加速度，并利用導(dǎo)彈運(yùn)動方程計(jì)算導(dǎo)彈當(dāng)前時(shí)刻的運(yùn)動參數(shù)；

(4) 根據(jù)導(dǎo)引頭觀測方程產(chǎn)生帶有噪聲的導(dǎo)引頭觀測數(shù)據(jù)；

(5) 采用IMM-CKF算法估計(jì)目標(biāo)當(dāng)前時(shí)刻的運(yùn)動參數(shù)；

(6) 判斷彈目距離是否小于給定值，若是，結(jié)束仿真，否則，返回第(2)步。

仿真參數(shù)設(shè)置如下：

目標(biāo)初始位置為(8 000，2 000，8 000)，初始速度為(80，20，40)，機(jī)動轉(zhuǎn)彎角速度ω=0.5 rad/s，在0～12 s內(nèi)作勻速直線運(yùn)動，在12～20 s內(nèi)進(jìn)行機(jī)動轉(zhuǎn)彎，在20～23 s內(nèi)作勻速直線運(yùn)動，在23 s以后進(jìn)行機(jī)動轉(zhuǎn)彎。

導(dǎo)彈初始位置位于原點(diǎn)，速度為500 m/s，初始彈道傾角θ=0，初始彈道偏角ψV=0，比例導(dǎo)引系數(shù)N取為3。

仿真步長T=0.02 s，過程噪聲協(xié)方差陣為Qw=diag(12,12,12)，導(dǎo)引頭測量噪聲協(xié)方差陣Rr=diag(0.012,0.012,1002)，濾波器初始化參數(shù)為

(32)

模型轉(zhuǎn)移概率矩陣為

(33)

采用蒙特卡羅仿真方法進(jìn)行多次仿真，用均方根誤差衡量目標(biāo)跟蹤偏差，位置誤差及速度誤差分別為

(34)

3.2 仿真結(jié)果

在Matlab中進(jìn)行仿真，仿真結(jié)果如圖1～6所示。

由圖1中導(dǎo)彈與目標(biāo)運(yùn)動軌跡圖可以看出，盡管目標(biāo)進(jìn)行了多次大機(jī)動，最終導(dǎo)彈仍然能夠命中目標(biāo)，由圖2目標(biāo)真實(shí)運(yùn)動軌跡與目標(biāo)軌跡估計(jì)值可以看出，IMM-CKF方法能夠克服初始誤差準(zhǔn)確跟蹤目標(biāo)，在目標(biāo)勻速直線運(yùn)動與機(jī)動轉(zhuǎn)彎階段能夠?qū)崿F(xiàn)平滑切換，使濾波穩(wěn)定收斂。

由圖3與圖4的導(dǎo)彈法向加速度曲線可以看出，導(dǎo)彈法向加速度隨著目標(biāo)運(yùn)動模式的轉(zhuǎn)換而發(fā)生改變，且由于濾波誤差的存在有一定程度的抖動。

分別采用CKF與UKF方法濾波，進(jìn)行100次蒙特卡羅仿真，圖5與圖6分別為目標(biāo)位置估計(jì)均方根誤差與目標(biāo)速度估計(jì)均方根誤差。

由估計(jì)誤差結(jié)果可以看出，在目標(biāo)進(jìn)行運(yùn)動模式切換時(shí)，會產(chǎn)生較大的濾波誤差，此時(shí)IMM算法會進(jìn)行運(yùn)動模型切換，逐漸穩(wěn)定跟蹤目標(biāo)。由UKF與CKF方法的對比可以看出，2種方法在估計(jì)精度上相差不大，表1為100次仿真2種方法的用時(shí)對比，可以看出CKF方法比UKF方法所用時(shí)間更短，適合用于實(shí)時(shí)計(jì)算。

表1 IMM-CKF與IMM-UKF仿真時(shí)間對比

4 結(jié)束語

本文對空中大機(jī)動目標(biāo)的運(yùn)動進(jìn)行了分析建模，同時(shí)建立了導(dǎo)彈制導(dǎo)模型及導(dǎo)引頭測量模型。結(jié)合IMM算法與簡化CKF濾波算法在導(dǎo)彈末制導(dǎo)階段對目標(biāo)進(jìn)行跟蹤，通過仿真驗(yàn)證了估計(jì)方法的有效性。

由蒙特卡羅仿真結(jié)果得出CKF與UKF 2種濾波方法精度相當(dāng)，且CKF方法在時(shí)間上更有優(yōu)勢，IMM算法中對多個模型進(jìn)行濾波處理的過程可以并行實(shí)現(xiàn)，因此本文采用的IMM-CFK非常適合用于彈載計(jì)算機(jī)，具有較好的工程參考價(jià)值。

參考文獻(xiàn)：

[1] 張曉宇,陳營營,李英蘭.蛇形機(jī)動目標(biāo)視線角濾波算法研究[J].應(yīng)用科技,2015,42(6):36-39.

ZHANG Xiao-yu,CHEN Ying-ying,LI Ying-lan.Study of LOS Angle Filtering Algorithm for Sinusoidally Maneuvering Targets [J].Applied Science and Technology,2015,42(6):36-39.

[2] 張亮亮,周峰,徐彤.新的“S-蛇形”機(jī)動目標(biāo)模型及跟蹤方法研究[J].電光與控制,2012,19(9):13-16.

ZHANG Liang-liang,ZHOU Feng,XU Tong.A New Model of the “S-Maneuver”Target and a Tracking Method [J].Electronics Optics and Control,2012,19(9):13-16.

[3] 封普文,黃長強(qiáng),曹林平,等.馬爾可夫矩陣修正IMM跟蹤算法[J].系統(tǒng)工程與電子技術(shù),2013,35(11):2269-2274.

FENG Pu-wen,HUANG Chang-qiang,CAO Lin-ping,et al.Research on Adaptive Markov Matrix IMM Tracking Algorithm [J].Systems Engineering and Electronics,2013,35(11):2269-2274.

[4] 侯靜.雷達(dá)/紅外雙模導(dǎo)引頭數(shù)據(jù)融合跟蹤算法研究[D].西安:西北工業(yè)大學(xué),2010.

HOU Jing.Study on Data Fusion Tracking Algorithm of Radar/Infrared Dual Mode Seeker [D].Xi′an:Northwestern Polytechnical University,2010.

[5] 張繼光.紅外/毫米波雙模導(dǎo)引頭數(shù)據(jù)融合平臺的研究與設(shè)計(jì)[D].西安:西北工業(yè)大學(xué),2010.

ZHANG Ji-guang.Study and Design of Infrared/Millimeter Wave Dual Mode Seeker Data Fusion Platform[D].Xi′an:Northwestern Polytechnical University,2010.

[6] 王泠,劉超.基于UKF聯(lián)合IMM的目標(biāo)跟蹤技術(shù)研究[J].機(jī)械制造,2013,51(3):12-17.

WANG Ling,LIU Chao.Research on Target Tracing Technology Based on UKF and IMM [J].Machinery,2013,51(3):12-17.

[7] 郭彥,于艷婷,胡獻(xiàn)君.非線性濾波方法及其性能比較[J].計(jì)算機(jī)與數(shù)字工程,2016,44(11):2113-2117.

GUO Yan,YU Yan-ting,HU Xian-jun.Nonlinear Filtering Methods and Performances Comparison [J].Computer and Digital Engineering,2016,44(11):2113-2117.

[8] 陳海,單甘霖.基于IMMCKF的機(jī)動目標(biāo)跟蹤算法[J].電光與控制,2011,18(10):1-5.

CHEN Hai,SHAN Gan-lin.Maneuvering Target Tracking Based on IMMCKF Algorithm[J].Electronics Optics and Control,2011,18(10):1-5.

[9] 許登榮,程水英,包守亮.基于IMM-CKF的彈道再入目標(biāo)跟蹤研究[J].彈箭與制導(dǎo)學(xué)報(bào),2017,37(1):13-18.

XU Deng-rong,CHENG Shui-ying,BAO Shou-liang.Research on Ballistic Reentry Target Tracking Based on IMM-CKF [J].Journal of Projectiles,Rockets,Missiles and Guidance,2017,37(1):13-18.

[10] 彭亮.機(jī)動目標(biāo)跟蹤算法的研究[D].西安:西北工業(yè)大學(xué),2007.

PENG Liang.Research on Maneuvering Target Tracking Algorithm [D].Xi′an:Northwestern Polytechnical University,2007.

[11] 魏潔英,盧志剛,鄭偉,等.蛇形機(jī)動目標(biāo)建模[J].火力與指揮控制,2012,37(sl):22-24.

WEI Jie-ying,LU Zhi-gang,ZHENG Wei,et al.Modeling of the Serpents Maneurer Targets [J].Fire Control and Command Control,2012,37(sl):22-24.

[12] 曲曉燕,張林,范庚.基于Matlab/Simulink的空空導(dǎo)彈攻擊區(qū)仿真[J].彈箭與制導(dǎo)學(xué)報(bào),2011,31(5):51-54.

QU Xiao-yan,ZHANG Lin,FAN Geng.The Simulation of Attack Area for Air-to-Air Missile Based on Matlab/Simulink [J].Journal of Projectiles,Rockets,Missiles and Guidance,2011,31(5):51-54.

[13] 蔡宗平,牛創(chuàng),戴定成.基于簡化CKF的IMM算法[J].現(xiàn)代防御技術(shù),2015,43(6):99-103.

CAI Zong-ping,NIU Chuang,DAI Ding-cheng.Interacting Multiple Model Algorithm Based on Simplified Cubature Kalman Filter [J].Modern Defence Technology,2015,43(6):99-103.

[14] 金學(xué)波.Kalman濾波器理論與應(yīng)用[M].北京:科學(xué)出版社,2016:132-136.

JIN Xue-bo.Kalman Filter Theory and Applications [M].Beijing:Science Press,2016:132-136.

[15] 韓崇昭,朱洪艷,段戰(zhàn)勝.多源信息融合[M].2版.北京:清華大學(xué)出版社,2010:60-62.

HAN Chong-zhao,ZHU Hong-yan,DUAN Zhan-sheng.Multi-Source Information Fusion[M].2nd ed.Beijing:Tsinghua University Press,2010:60-62.