郭相科,劉昌云,張雅艦,韋　剛,王　剛

(1.北京航空航天大學(xué),北京　100191;2.空軍工程大學(xué),陜西 西安　710051)

?

臨近空間高超聲速目標(biāo)跟蹤方法研究*

郭相科1,2,劉昌云2,張雅艦2,韋剛2,王剛2

(1.北京航空航天大學(xué),北京100191;2.空軍工程大學(xué),陜西 西安710051)

臨近空間高超聲速目標(biāo)跟蹤技術(shù)研究在空天防御系統(tǒng)中具有重要軍事意義和理論價(jià)值。本文綜述了臨近空間高超聲速目標(biāo)跟蹤中的目標(biāo)運(yùn)動(dòng)建模、目標(biāo)跟蹤算法等研究內(nèi)容的研究進(jìn)展,并對(duì)其存在的問題進(jìn)行了深入分析。針對(duì)這類目標(biāo)跟蹤存在的問題,結(jié)合臨近空間高超聲速目標(biāo)探測跟蹤需求,指出了臨近空間高超聲速目標(biāo)跟蹤技術(shù)的研究思路,為相關(guān)研究提供了參考。

臨近空間;高超聲速飛行器;目標(biāo)跟蹤;運(yùn)動(dòng)模型;跟蹤算法;交互式多模型

隨著美軍臨近空間高超聲速飛行器項(xiàng)目[1-3]的日益成熟,具有飛行跨域大、速度快、飛行高度高、氣動(dòng)參數(shù)變化復(fù)雜等特點(diǎn)的臨近空間高超聲速飛行器對(duì)傳統(tǒng)防空反導(dǎo)系統(tǒng)的攔截打擊能力構(gòu)成了嚴(yán)重挑戰(zhàn)[4-6]。在雷達(dá)檢測過程中,這類目標(biāo)容易出現(xiàn)“三跨”現(xiàn)象[7];在雷達(dá)跟蹤過程中,這類目標(biāo)具有橫向機(jī)動(dòng)且飛行高度較低、雷達(dá)的發(fā)現(xiàn)時(shí)間晚、探測跟蹤時(shí)間短的特點(diǎn),加之這類目標(biāo)借助氣動(dòng)力產(chǎn)生機(jī)動(dòng),而跟蹤模型中很難對(duì)目標(biāo)的氣動(dòng)力準(zhǔn)確建模,導(dǎo)致跟蹤誤差大,甚至無法跟蹤[8]。這類目標(biāo)機(jī)動(dòng)樣式的發(fā)展使目標(biāo)運(yùn)動(dòng)狀態(tài)變化規(guī)律向著非線性、高動(dòng)態(tài)的方向發(fā)展,從而對(duì)防空反導(dǎo)系統(tǒng)的攔截打擊能力構(gòu)成了嚴(yán)重挑戰(zhàn),對(duì)未來戰(zhàn)爭的作戰(zhàn)模式、作戰(zhàn)過程及戰(zhàn)爭結(jié)局將產(chǎn)生顛覆性影響[9-10]。因此,開展臨近空間高超聲速目標(biāo)的探測跟蹤理論及關(guān)鍵技術(shù)研究,對(duì)保障我國空天安全、促進(jìn)空天防御技術(shù)發(fā)展具有重要意義。

1　臨近空間高超聲速目標(biāo)特性分析

1.1臨近空間高超聲速目標(biāo)運(yùn)動(dòng)特性分析

臨近空間高超聲速機(jī)動(dòng)目標(biāo)的飛行馬赫數(shù)在 5-25之間;巡航高度范圍主要在 20km-100km 的臨近空間;且其機(jī)動(dòng)能力強(qiáng),典型飛行軌跡為跳躍式飛行軌道,飛行參數(shù)難以測量[2-6],臨空高超聲速機(jī)動(dòng)目標(biāo)的典型運(yùn)動(dòng)軌跡與彈道目標(biāo)和空氣動(dòng)力學(xué)目標(biāo)的區(qū)別如圖1所示。

圖1　臨近空間高超聲速機(jī)動(dòng)目標(biāo)與彈道目標(biāo)及空氣動(dòng)力學(xué)目標(biāo)的區(qū)別

臨近空間高超聲速機(jī)動(dòng)目標(biāo)在整個(gè)飛行過程中,其目標(biāo)的運(yùn)動(dòng)特性具有彈道導(dǎo)彈和空氣動(dòng)力學(xué)目標(biāo)的雙重特性:

1)臨空高超聲速目標(biāo)高速飛行過程中既具有彈道導(dǎo)彈類目標(biāo)的高速特性,又不具有彈道導(dǎo)彈目標(biāo)的軌跡可預(yù)測性。既可縱向跳躍滑翔機(jī)動(dòng),又可橫向機(jī)動(dòng);

2)臨空高超聲速目標(biāo)具有空氣動(dòng)力學(xué)目標(biāo)的高機(jī)動(dòng)特性,但其飛行高度是超出空氣動(dòng)力學(xué)目標(biāo)的臨近空間,飛行速度遠(yuǎn)超空氣動(dòng)力學(xué)目標(biāo),且氣動(dòng)參數(shù)變化復(fù)雜,機(jī)動(dòng)樣式靈活。

1.2臨近空間高超聲速目標(biāo)跟蹤的挑戰(zhàn)

對(duì)臨空高超聲速目標(biāo)的實(shí)時(shí)高精度跟蹤是攔截打擊目標(biāo)的基礎(chǔ),但機(jī)動(dòng)目標(biāo)的精確跟蹤在理論和技術(shù)上一直都是一個(gè)難題,其困難主要源于兩種不確定性[11-12]:一是目標(biāo)運(yùn)動(dòng)方式的不確定性,二是在測量過程中,由于環(huán)境的不確定性,也會(huì)造成測量值的不確定性。

1)目標(biāo)運(yùn)動(dòng)方式的不確定性,是指被跟蹤目標(biāo)的運(yùn)動(dòng)模式、參數(shù)及其演變規(guī)律對(duì)于觀測方是未知的。當(dāng)建立的目標(biāo)運(yùn)動(dòng)模型與目標(biāo)真實(shí)狀態(tài)不一致時(shí),預(yù)測狀態(tài)與目標(biāo)真實(shí)狀態(tài)失配,會(huì)造成跟蹤性能的嚴(yán)重下降甚至失效。解決目標(biāo)運(yùn)動(dòng)方式不確定性的主流方法是建立機(jī)動(dòng)目標(biāo)狀態(tài)-空間模型,并利用濾波跟蹤算法實(shí)現(xiàn)對(duì)目標(biāo)的實(shí)時(shí)跟蹤。臨近空間高超聲速目標(biāo)由于其高速,且氣動(dòng)參數(shù)變化復(fù)雜,導(dǎo)致其運(yùn)動(dòng)樣式極其復(fù)雜,很難建立符合其運(yùn)動(dòng)特點(diǎn)的運(yùn)動(dòng)模型。

2)解決環(huán)境的不確定性主要采用機(jī)動(dòng)檢測和機(jī)動(dòng)辨識(shí),從而自適應(yīng)調(diào)整測量和狀態(tài)誤差,或自適應(yīng)調(diào)整目標(biāo)狀態(tài)-空間模型。但目標(biāo)的高超聲速特點(diǎn)很難實(shí)時(shí)地進(jìn)行機(jī)動(dòng)檢測和辨識(shí)。

因此,針對(duì)臨近空間高超聲速目標(biāo)的跟蹤,如何建立符合臨近空間高超聲速目標(biāo)運(yùn)動(dòng)特性的目標(biāo)運(yùn)動(dòng)模型;如何通過機(jī)動(dòng)檢測和機(jī)動(dòng)辨識(shí),自適應(yīng)調(diào)整測量和狀態(tài)誤差,或自適應(yīng)調(diào)整目標(biāo)狀態(tài)-空間模型,是實(shí)現(xiàn)對(duì)其穩(wěn)定跟蹤需要解決的兩個(gè)關(guān)鍵問題。

2　臨近空間高超聲速目標(biāo)跟蹤研究現(xiàn)狀

目標(biāo)跟蹤的研究主要涉及兩個(gè)方面:目標(biāo)的運(yùn)動(dòng)特性建模;濾波跟蹤算法[11-12]。針對(duì)臨近空間高超聲速目標(biāo)的跟蹤問題,許多學(xué)者在目標(biāo)運(yùn)動(dòng)模型、濾波跟蹤算法等方面進(jìn)行了深入研究,并取得了大量的研究成果。

2.1臨近空間高超聲速目標(biāo)運(yùn)動(dòng)模型

目標(biāo)運(yùn)動(dòng)模型不僅是目標(biāo)跟蹤的重要基礎(chǔ),也是從運(yùn)動(dòng)機(jī)理上解決目標(biāo)跟蹤問題的基本方法[13]。目標(biāo)運(yùn)動(dòng)模型的分析和研究主要基于兩個(gè)方面:1)近似化輸入?yún)?shù)滿足某種隨機(jī)分布;2)以經(jīng)過正確選擇的參數(shù)描述的運(yùn)動(dòng)模型的組合來表示目標(biāo)運(yùn)動(dòng)航跡。

大多數(shù)的機(jī)動(dòng)目標(biāo)跟蹤算法都是基于目標(biāo)運(yùn)動(dòng)模型,通過目標(biāo)運(yùn)動(dòng)模型來描述目標(biāo)狀態(tài)隨著時(shí)間而變化的過程。根據(jù)對(duì)目標(biāo)運(yùn)動(dòng)特性分析和描述方法的不同,目前的機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)模型從建模方法上大致可以分為四類[13-14]:統(tǒng)計(jì)特性建模、動(dòng)力學(xué)建模、運(yùn)動(dòng)學(xué)特性建模和參數(shù)化函數(shù)建模。

1)統(tǒng)計(jì)特性建模:這種建模方法是一種通用性較強(qiáng)的粗糙建模方法,主要用于缺乏運(yùn)動(dòng)規(guī)律先驗(yàn)信息的目標(biāo)運(yùn)動(dòng)建模。目前用于描述目標(biāo)機(jī)動(dòng)表征量的隨機(jī)過程主要有白噪聲、維納過程、零均值和非零均值一階馬爾科夫過程、半馬爾科夫過程,如白噪聲加速度模型、維納過程加速度模型、Singer加速度模型、一階馬爾科夫過程Jerk模型等[13]。

文獻(xiàn)[15]在對(duì)高超聲速滑翔再入飛行器跟蹤中,采用一階馬爾科夫過程描述氣動(dòng)力參數(shù),將過程噪聲方差構(gòu)造為氣動(dòng)參數(shù)方差和機(jī)動(dòng)時(shí)間常數(shù)的函數(shù),時(shí)變氣動(dòng)力參數(shù)方差采用“漸消記憶”的統(tǒng)計(jì)方法由氣動(dòng)力參數(shù)估計(jì)值序列統(tǒng)計(jì)獲得,存在跳變的機(jī)動(dòng)時(shí)間常數(shù)則作為運(yùn)動(dòng)模式采用交互多模型方法與運(yùn)動(dòng)狀態(tài)一起估計(jì),通過仿真表明了該建模方法的有效性。

2)動(dòng)力學(xué)建模:動(dòng)力學(xué)建模是依據(jù)目標(biāo)受力分析來建立目標(biāo)加速度或Jerk的物理參數(shù)模型,這種建模方法主要用于空間目標(biāo)和彈道目標(biāo)的運(yùn)動(dòng)建模。

文獻(xiàn)[16]根據(jù)吸氣式高超聲速目標(biāo)的動(dòng)力學(xué)特性,在重力轉(zhuǎn)彎模型框架中,基于超燃沖壓發(fā)動(dòng)機(jī)的推力產(chǎn)生機(jī)理以及高超聲速流場的斜激波方程和普朗特梅葉方程,提出了面向跟蹤的動(dòng)力學(xué)混合模型,但非解析解結(jié)構(gòu)難以應(yīng)用于線性化方法的濾波器設(shè)計(jì)。

3)運(yùn)動(dòng)學(xué)特性建模:運(yùn)動(dòng)學(xué)特性建模方法不考慮目標(biāo)運(yùn)動(dòng)的原因,而是直接建立狀態(tài)模型描述目標(biāo)的運(yùn)動(dòng)學(xué)規(guī)律,這種建模方法主要用于描述目標(biāo)轉(zhuǎn)彎運(yùn)動(dòng)。

文獻(xiàn)[17-18]根據(jù)臨近空間高超聲速目標(biāo)在巡航段跳躍飛行的特點(diǎn),假設(shè)目標(biāo)角速度為一階時(shí)間相關(guān)過程,提出了一種修正的轉(zhuǎn)彎模型(Modified Coordinate Turn,MCT)。文獻(xiàn)[19]針對(duì)速滑躍式高超聲機(jī)動(dòng)目標(biāo)的周期性滑躍式機(jī)動(dòng)的特點(diǎn),將目標(biāo)加速度建模為具有正弦波自相關(guān)的零均值隨機(jī)過程,并推導(dǎo)了目標(biāo)的狀態(tài)方程。

4)參數(shù)化函數(shù)建模:參數(shù)化函數(shù)建模是用一組特定的空間曲線逼近目標(biāo)運(yùn)動(dòng)狀態(tài)[13],常用方法有多項(xiàng)式、樣條、微分方程和經(jīng)驗(yàn)公式等。這種建模方法不依賴過多的目標(biāo)運(yùn)動(dòng)先驗(yàn)信息,而是直接利用了目標(biāo)運(yùn)動(dòng)狀態(tài)的時(shí)空光滑性。

2.2臨近空間高超聲速目標(biāo)濾波跟蹤算法

目標(biāo)的濾波跟蹤算法往往與目標(biāo)運(yùn)動(dòng)模型是緊密相關(guān),一個(gè)好的運(yùn)動(dòng)模型結(jié)合適合的濾波跟蹤算法,才能得到對(duì)目標(biāo)精確的狀態(tài)估計(jì)[11-12]。有了目標(biāo)狀態(tài)模型和實(shí)時(shí)狀態(tài)估計(jì)算法,機(jī)動(dòng)目標(biāo)跟蹤要解決的主要問題就是模型如何實(shí)時(shí)匹配目標(biāo)運(yùn)動(dòng)方式。從目標(biāo)運(yùn)動(dòng)方式匹配的角度,解決機(jī)動(dòng)目標(biāo)跟蹤的方法主要分為單模型方法和多模型方法。

2.2.1單模型跟蹤方法

單模型跟蹤算法需要通過實(shí)時(shí)調(diào)整狀態(tài)模型和濾波算法來實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定準(zhǔn)確跟蹤。目前,在量測模型完全已知的條件下,國內(nèi)外對(duì)單模型跟蹤算法的研究主要可歸納為三個(gè)方面:一是研究如何調(diào)整狀態(tài)模型以減小模型失配程度,盡可能滿足濾波算法的最優(yōu)估計(jì)條件;二是研究如何調(diào)整濾波算法來實(shí)現(xiàn)模型失配條件下的次優(yōu)穩(wěn)定濾波;三是研究如何聯(lián)合調(diào)整模型與濾波算法。

文獻(xiàn)[17-18]針對(duì)傳統(tǒng)單模型不能有效跟蹤臨近空間高超聲速機(jī)動(dòng)目標(biāo)的問題,提出了一種修正的轉(zhuǎn)彎模型(MCT),結(jié)合擴(kuò)展卡爾曼濾波,研究了臨近空間高超聲速機(jī)動(dòng)目標(biāo)巡航段跳躍飛行的跟蹤,通過仿真表明了算法的有效性,但針對(duì)目標(biāo)不同階段的不同運(yùn)動(dòng)特性,文獻(xiàn)沒有給出進(jìn)一步的研究。文獻(xiàn)[20]等提出了一種基于不敏卡爾曼濾波的改進(jìn)“當(dāng)前”統(tǒng)計(jì)模型自適應(yīng)濾波算法用于此類目標(biāo)的跟蹤,理論上取得了良好的跟蹤效果,但該算法沒有給出算法中比例常數(shù)C的確定方法。文獻(xiàn)[21]等針對(duì)具有跳躍式機(jī)動(dòng)的“助推+滑翔”臨近空間目標(biāo),建立其特定的目標(biāo)運(yùn)動(dòng)模型,并采用特定目標(biāo)模型的Kalman 濾波算法實(shí)現(xiàn)對(duì)高機(jī)動(dòng)目標(biāo)的狀態(tài)估計(jì),但該方法沒有針對(duì)其他機(jī)動(dòng)樣式的有效性進(jìn)一步研究。文獻(xiàn)[22]從自適應(yīng)的調(diào)節(jié)卡爾曼濾波增益的角度提出了一種基于改進(jìn) Jerk模型的強(qiáng)跟蹤濾波器的高機(jī)動(dòng)目標(biāo)跟蹤算法,通過仿真驗(yàn)證算法的有效性,但跟蹤算法中需要考慮機(jī)動(dòng)頻率的選取、遺忘因子的選取。

2.2.2多模型跟蹤方法

由于目標(biāo)機(jī)動(dòng)樣式的復(fù)雜性,單模型不可能匹配所有的目標(biāo)機(jī)動(dòng)樣式,因此難以進(jìn)一步提高跟蹤精度。交互多模型方法為解決機(jī)動(dòng)目標(biāo)提供了新的思路,其基本思想是預(yù)設(shè)多個(gè)模型及匹配濾波器來覆蓋目標(biāo)可能的運(yùn)動(dòng)模式,通過計(jì)算每個(gè)模型的后驗(yàn)概率,對(duì)各濾波器狀態(tài)估計(jì)值進(jìn)行概率加權(quán)得到目標(biāo)狀態(tài)的融合估計(jì)[23]。

基本的交互多模型采用預(yù)設(shè)好的目標(biāo)模型集,當(dāng)預(yù)設(shè)的模型集與目標(biāo)的實(shí)際機(jī)動(dòng)狀態(tài)一致時(shí),將獲得較好的跟蹤性能;為保證對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)的完全覆蓋,預(yù)設(shè)的模型集將會(huì)很龐大,而預(yù)設(shè)模型的增加集必將帶來計(jì)算量的增加。變結(jié)構(gòu)多模型(VSMM.Variable Structure Multiple-Model)方法通過預(yù)設(shè)大模型集,通過對(duì)測量值、先驗(yàn)信息和后驗(yàn)信息的綜合利用,從大模型集中選取與目標(biāo)運(yùn)動(dòng)特性相匹配的小模型集,從而使模型集自適應(yīng)于目標(biāo)的運(yùn)動(dòng)模式[23-25]。針對(duì)臨近空間高超聲速機(jī)動(dòng)目標(biāo)的跟蹤,很多研究者采用交互多模型方法,取得了較好的跟蹤效果。

文獻(xiàn)[26]等從跟蹤傳感器及跟蹤算法兩個(gè)方面,提出多模型方法是跟蹤臨近空間高超聲速機(jī)動(dòng)目標(biāo)的可行方法。在前文研究的基礎(chǔ)上,研究了交互多模型(IMM)算法對(duì)其進(jìn)行跟蹤的可行性[27]。文獻(xiàn)[28]等考慮目標(biāo)加速度均值和方差隨目標(biāo)機(jī)動(dòng)變化,引入?yún)⒖技铀俣群虲V模型的交互多模型算法,來實(shí)現(xiàn)臨近空間高超聲速目標(biāo)的跟蹤問題,但該方法需要使用目標(biāo)機(jī)動(dòng)的先驗(yàn)信息。文獻(xiàn)[29]在ADE-IMM算法的基礎(chǔ)上,提出了轉(zhuǎn)移概率自適應(yīng)ADE-IMM算法,仿真表明了算法的有效性,但算法中狀態(tài)轉(zhuǎn)移概率初始值的設(shè)置影響算法的性能。文獻(xiàn)[18,30-31]等提出了一種基于 SCT-IMM 的多模型跟蹤方法,并進(jìn)一步提出了基于有向圖的變結(jié)構(gòu)多模型(DG-VSMM)跟蹤算法,對(duì)臨近空間高超聲速飛行器進(jìn)行跟蹤,但需要針對(duì)臨空高超聲速目標(biāo)的特點(diǎn),設(shè)計(jì)更有針對(duì)性的跟蹤算法。文獻(xiàn)[15]采用“漸消記憶”法估計(jì)高超聲速飛行器的時(shí)變動(dòng)力學(xué)參數(shù),采用交互多模型方法,實(shí)現(xiàn)了目標(biāo)的運(yùn)動(dòng)狀態(tài)和氣動(dòng)參數(shù)的一起估計(jì),但模型交互復(fù)雜,計(jì)算量大。文獻(xiàn)[32]采用多站跟蹤方法對(duì)臨空高超聲速目標(biāo)進(jìn)行跟蹤,并通過仿真表明基于多站的交互式多模型-無跡卡爾曼濾波算法的有效性,但計(jì)算量較大,在維數(shù)大于3時(shí)需要考慮新的濾波算法。文獻(xiàn)[33]中提出了一種自適應(yīng)網(wǎng)格交互多模型跟蹤算法用于臨近空間高超聲速機(jī)動(dòng)目標(biāo)的跟蹤,所提方法相比于固定結(jié)構(gòu)交互式多模型算法極大減少了計(jì)算量。文獻(xiàn)[34]提出了基于修正轉(zhuǎn)彎模型的交互多模型跟蹤算法,該算法修正了傳統(tǒng)轉(zhuǎn)彎模型,利用“當(dāng)前”統(tǒng)計(jì)模型思想對(duì)目標(biāo)角速度進(jìn)行實(shí)時(shí)估計(jì),仿真表明了算法的有效性,但針對(duì)臨近開機(jī)高超聲速飛行器不同階段的運(yùn)動(dòng)特性,該算法沒有考慮如何調(diào)整模型參數(shù)和模型數(shù)量。文獻(xiàn)[35]針對(duì)臨近空間目標(biāo)飛行速度快、機(jī)動(dòng)特性強(qiáng)和加速度突變的特性,提出一種地心直角(ECEF)坐標(biāo)系下基于目標(biāo)特性分析的修正強(qiáng)跟蹤濾波(MSTF)算法,仿真結(jié)果表明該算法具有較高的定位跟蹤精度,該算法重點(diǎn)是對(duì)目標(biāo)的滑躍式機(jī)動(dòng)特性進(jìn)行跟蹤,針對(duì)目標(biāo)的其他機(jī)動(dòng)特性需要進(jìn)一步研究。文獻(xiàn)[36]在文獻(xiàn)[19]的基礎(chǔ)上,針對(duì)目標(biāo)的滑躍式機(jī)動(dòng),提出采用基于CV-CA正弦波模型的交互多模型算法進(jìn)行跟蹤,仿真結(jié)果表明算法對(duì)臨近空間高超聲速滑躍式機(jī)動(dòng)目標(biāo)具有較好的跟蹤效果,但沒有探討對(duì)其他機(jī)動(dòng)跟蹤的有效性。

在天基紅外傳感器對(duì)這類目標(biāo)跟蹤方面,文獻(xiàn)[37]提出了將基于Sigma點(diǎn)卡爾曼濾波的交互式多模型(SPKF-IMM)算法用于天基低軌紅外衛(wèi)星對(duì)臨近空間高超聲速飛行器的跟蹤,仿真表明了算法的有效性。文獻(xiàn)[38]等提出了一種基于約束總體最小二乘與自適應(yīng)交互式多模型濾波相結(jié)合的實(shí)時(shí)跟蹤濾波算法實(shí)現(xiàn)對(duì)目標(biāo)飛行器進(jìn)行實(shí)時(shí)跟蹤,但沒有給出多顆星如何部署及協(xié)同交互。

2.3臨近空間高超聲速目標(biāo)跟蹤問題分析

綜合以上分析可知,對(duì)這類目標(biāo)的跟蹤研究目前還存在以下幾個(gè)方面的問題。

1)目標(biāo)運(yùn)動(dòng)特性建模方面,目前的研究主要是針對(duì)特定目標(biāo)特定運(yùn)動(dòng)方式的運(yùn)動(dòng)建模,缺少符合臨近空間高超聲速目標(biāo)典型運(yùn)動(dòng)特性的目標(biāo)運(yùn)動(dòng)模型。由于臨近空間高超聲速目標(biāo)運(yùn)動(dòng)方式的不確定性,很難有效建立適應(yīng)各種運(yùn)動(dòng)方式的目標(biāo)模型。

2)在目標(biāo)的自適應(yīng)跟蹤算法方面,主要分為單模型和多模型兩類典型的自適應(yīng)跟蹤算法。單模型跟蹤算法雖然可以通過調(diào)整模型和濾波算法實(shí)現(xiàn)穩(wěn)定跟蹤,但由于目標(biāo)機(jī)動(dòng)樣式的復(fù)雜性,單模型不可能匹配所有的目標(biāo)機(jī)動(dòng)樣式,因此難以進(jìn)一步提高跟蹤精度。多模型跟蹤算法研究的主要是各種模型集的設(shè)計(jì)和模型集的自適應(yīng)調(diào)整,實(shí)現(xiàn)臨空高超聲速目標(biāo)的精確跟蹤。但由于這類目標(biāo)運(yùn)動(dòng)方式的復(fù)雜性,很難設(shè)計(jì)一個(gè)覆蓋各種運(yùn)動(dòng)方式的模型集;不同時(shí)刻,目標(biāo)運(yùn)動(dòng)方式的覆蓋和實(shí)時(shí)自適應(yīng)匹配也是一直沒有有效解決的難題。

3)目前目標(biāo)跟蹤過程的研究,只注重了雷達(dá)、光學(xué)等單傳感器的跟蹤研究。由于臨近空間高超聲速目標(biāo)的大范圍持續(xù)機(jī)動(dòng)的特性,單平臺(tái)/傳感器只能形成較短時(shí)間的目標(biāo)觀測,無法實(shí)現(xiàn)目標(biāo)全程飛行的連續(xù)觀測。多平臺(tái)/多傳感器協(xié)同跟蹤是完成臨近空間高超聲速目標(biāo)全程跟蹤的必然選擇,但多傳感器的協(xié)同信息處理又是一個(gè)難題。

4)目前臨近空間高超聲速目標(biāo)跟蹤過程中將目標(biāo)視為點(diǎn)目標(biāo)來處理,僅僅利用傳感器獲取的目標(biāo)運(yùn)動(dòng)學(xué)參數(shù)(如位置、速度、加速度等)進(jìn)行跟蹤處理,忽視了對(duì)傳感器獲取的其他特征信息的利用,如目標(biāo)幅度特征、目標(biāo)頻率特征、目標(biāo)極化特征、目標(biāo)距離像特征及目標(biāo)其他特征信息[39],而由于臨近空間高超聲速目標(biāo)的機(jī)動(dòng)特殊性,僅利用目標(biāo)運(yùn)動(dòng)學(xué)參數(shù)無法實(shí)現(xiàn)這類目標(biāo)的穩(wěn)定跟蹤。

3　臨近空間高超聲速目標(biāo)跟蹤研究思考

通過臨近空間高超聲速目標(biāo)跟蹤的研究現(xiàn)狀及存在的問題分析可知,針對(duì)臨近空間高超聲速目標(biāo)的跟蹤,可以考慮以下幾個(gè)研究思路。

1)在目標(biāo)的運(yùn)動(dòng)建模方面,由于臨近空間高超聲速目標(biāo)運(yùn)動(dòng)的特殊性,需要結(jié)合臨近空間高超聲速目標(biāo)的運(yùn)動(dòng)特點(diǎn),結(jié)合目標(biāo)特性方面的研究成果,充分利用目標(biāo)的先驗(yàn)信息,從目標(biāo)的動(dòng)力學(xué)特性和運(yùn)動(dòng)學(xué)特性等方面,對(duì)目標(biāo)的運(yùn)動(dòng)學(xué)特性進(jìn)行準(zhǔn)確建模。

2)在目標(biāo)的自適應(yīng)跟蹤算法方面,在繼續(xù)研究單模型自適應(yīng)跟蹤算法的基礎(chǔ)上,需要重點(diǎn)關(guān)注交互多模型跟蹤算法的研究,如何將復(fù)雜模型集(如由粗糙模型和精確模型構(gòu)成的混合模型集)與多模型算法有機(jī)結(jié)合,通過模型集的自適應(yīng)調(diào)整,以最少的模型實(shí)現(xiàn)對(duì)目標(biāo)多樣且時(shí)變的運(yùn)動(dòng)模式的覆蓋和實(shí)時(shí)準(zhǔn)確匹配。

3)通過空天地多傳感器協(xié)同跟蹤可以充分利用各類傳感器獲取的信息,擴(kuò)展了時(shí)間空間感知范圍,提高系統(tǒng)的生存能力、降低信息模糊度、改進(jìn)目標(biāo)的跟蹤性能[11-12]。但需要針對(duì)臨近空間高超聲速目標(biāo)的特點(diǎn),充分利用各類傳感器獲取的特性信息進(jìn)行協(xié)同信息處理。隨著導(dǎo)彈攔截、機(jī)動(dòng)目標(biāo)跟蹤等需求推動(dòng)以及傳感器技術(shù)本身的發(fā)展,利用目標(biāo)特征信息輔助跟蹤(feature aided tracking,FAT)的方法越來越受到關(guān)注[39-43]。因此,針對(duì)臨近空間高超聲速機(jī)動(dòng)目標(biāo),可以考慮充分利用多傳感器獲取的運(yùn)動(dòng)信息和各類特征信息及目標(biāo)的先驗(yàn)運(yùn)動(dòng)模式等信息,通過輔助特征信息實(shí)現(xiàn)目標(biāo)的精確跟蹤。

4)目前,大部分的多傳感器信息系統(tǒng)或處理方法均是將傳感器信息獲取與融合處理采用分離序貫結(jié)構(gòu),鮮有有效的方法將融合結(jié)果用于復(fù)雜動(dòng)態(tài)異構(gòu)多傳感器平臺(tái)的聯(lián)合優(yōu)化[44-46]。針對(duì)臨近空間高超聲速目標(biāo)的跟蹤,分離序貫式結(jié)構(gòu)將無法滿足對(duì)其跟蹤的需求,需要以提高融合跟蹤精度為目標(biāo),進(jìn)行信息獲取與融合的聯(lián)合優(yōu)化,實(shí)現(xiàn)目標(biāo)的精確跟蹤。

4　結(jié)束語

綜上所述,盡管目前臨近空間高超聲速機(jī)動(dòng)目標(biāo)的威脅已經(jīng)得到了較為廣泛的關(guān)注,但針對(duì)臨近空間高超聲速機(jī)動(dòng)目標(biāo)的跟蹤技術(shù)研究目前還在起步階段。本文綜述了臨近空間高超聲速目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀,指出了目前研究存在的問題,結(jié)合臨近空間高超聲速目標(biāo)的運(yùn)動(dòng)特點(diǎn),給出了臨近空間高超聲速目標(biāo)可能的研究思路,為相關(guān)研究提供了參考。

[1]黃偉,羅世彬,王振國.臨近空間高超聲速飛行器關(guān)鍵技術(shù)及展望[J].宇航學(xué)報(bào),2010,31(5):1259-1265.

[2]李淑艷,任利霞,宋秋貴,等.臨近空間高超音速武器防御綜述[J].現(xiàn)代雷達(dá),2014,36(6):13-18.

[3]聶萬勝,羅世彬,豐松江,等.近空間飛行器關(guān)鍵技術(shù)及其發(fā)展趨勢分析[J].國防科技大學(xué)學(xué)報(bào),2012,34(2): 107-113.

[4]胡正東,曹淵,張士峰,等.高超聲速跳躍式飛行器彈道特性分析與優(yōu)化設(shè)計(jì)[J].宇航學(xué)報(bào),2008,29(3):821-825.

[5]陳小慶,侯中喜,劉建霞.高超聲速滑翔飛行器彈道特性分析[J].導(dǎo)彈與航天運(yùn)載技術(shù),2011(2):5-9.

[6]汪連棟,曾勇虎,高磊,等.臨近空間高超聲速目標(biāo)雷達(dá)探測技術(shù)現(xiàn)狀與趨勢[J].信號(hào)處理,2014,30(1):72-85.

[7]駱成,李軍,何子述,等.高速運(yùn)動(dòng)平臺(tái)MIMO雷達(dá)“三跨”補(bǔ)償研究[J].電子科技大學(xué)學(xué)報(bào),2014,43(1):36-41.

[8] 雍恩米,錢煒祺,何開鋒.基于雷達(dá)跟蹤仿真的滑翔式再入彈道突防性能分析[J].宇航學(xué)報(bào),2012,33(10):1370:1376.

[9]金欣,梁維泰,王俊,等.反臨近空間目標(biāo)作戰(zhàn)的若干問題思考[J].現(xiàn)代防御技術(shù),2013,41(6): 1-7.

[10]戴靜,程建,郭銳.臨近空間高超聲速武器防御及關(guān)鍵技術(shù)研究[J].裝備指揮技術(shù)學(xué)院學(xué)報(bào),2010,21(3):58-61.

[11]周宏仁,敬忠良,王陪德.機(jī)動(dòng)目標(biāo)跟蹤[M].北京:國防工業(yè)出版社,1994.

[12]韓崇昭,朱洪艷,段戰(zhàn)勝,等.多源信息融合(第2版)[M].北京: 清華大學(xué)出版社,2010,1-14.

[13]Li X.R.,Jilkov V.P.Survey of maneuvering target tracking.Part I: Dynamic models[J].IEEE Transactions on Aerospace and Electronic Systems,2003,39(4): 1333-1363.

[14]Li X.R.,Jilkov V.P..Survey of maneuvring target tracking.Part II: Motion models of ballistic and space targets[J].IEEE Transactions on Aerospace and Electronic Systems,2010,46(1): 96-119.

[15]吳楠,陳磊.高超聲速滑翔再入飛行器彈道估計(jì)的自適應(yīng)卡爾曼濾波[J].航空學(xué)報(bào),2013,34(8):1960-1971.

[16]李海寧,雷虎民,翟岱亮,等.面向跟蹤的吸氣式高超聲速飛行器動(dòng)力學(xué)建模[J].航空學(xué)報(bào),2014,35(6):1651-1664.

[17]肖松,譚賢四,李志淮,等.臨近空間高超聲速機(jī)動(dòng)目標(biāo)MCT跟蹤模型[J].彈箭與制導(dǎo)學(xué)報(bào),2013,33(1):185-194.

[18]肖松,譚賢四,李志淮,等.基于SCT-IMM的臨近空間高超聲速機(jī)動(dòng)目標(biāo)跟蹤模型[J].現(xiàn)代雷達(dá),2013,35(4):15-19.

[19]王國宏,李俊杰,張翔宇,等.臨近空間高超聲速滑躍式機(jī)動(dòng)目標(biāo)的跟蹤模型[J].航空學(xué)報(bào),2015,36(7): 2400-2410.

[20]李昌璽,畢紅葵,王紅,等.一種臨近空間高超聲速目標(biāo)跟蹤算法[J].航天電子對(duì)抗,2012,28(4):10-13.

[21]曹亞杰,李月娟.基于高速高加速臨近空間目標(biāo)狀態(tài)預(yù)估算法[J].現(xiàn)代防御技術(shù),2013,41(6):97-101.

[22]樊友友.高速高機(jī)動(dòng)目標(biāo)跟蹤算法及應(yīng)用研究[D].西安:西安電子科技大學(xué),2013.

[23]H.A.P.Blom,Y.Bar-Shalom.The interacting multiple model algorithm fo systems with markovian switching coefficients[J].IEEE Trans.on Automatic Control,1988,33,pp:780-783.

[24]R.H.Bishop,A.C.Antoulas.Nonlinear approach to the aircraft tracking problem[J].AIAA Journal of Guidance,Control and Dynamics,1994,17(5):1124-1130.

[25]X.R Li,Y.Bar-Shalom.Multiple-model estimation with variable structure—Part I[J].IEEE Trans.on Automatic Control,1996,41(4): 478-493.

[26]關(guān)欣,趙靜,何友.臨近空間高超聲速飛行器跟蹤技術(shù)[J].四川兵工學(xué)報(bào),2011,32(8): 4-6.

[27]關(guān)欣,趙靜,張政超,等.一種可行的高超聲速飛行器跟蹤算法[J].電訊技術(shù),2011,51(8): 80-84.

[28]董來欣,譚賢四,武子彥,等.一種新的高超聲速目標(biāo)跟蹤算法[J].空軍雷達(dá)學(xué)院學(xué)報(bào),2012,26(2):111-114.

[29]李昌璽,畢紅葵,張兵,等.轉(zhuǎn)移概率自適應(yīng)高超聲速目標(biāo)跟蹤算法[J].現(xiàn)代雷達(dá),2013,35(11):84-91.

[30]肖松,李志淮,譚賢四,等.臨近空間高超聲速飛行器DG-VSMM跟蹤算法[J].彈道學(xué)報(bào),2013,25(2):22-27.

[31]肖松,譚賢四,王 紅,等.變結(jié)構(gòu)多模型臨近空間高超聲速飛行器跟蹤算法[J].紅外與激光工程,2014,43(7):2362-2370.

[32]秦雷,李君龍.基于多站交互式多模型算法跟蹤臨近空間目標(biāo)[J].系統(tǒng)仿真學(xué)報(bào),2014,26(10):2486-2496.

[33]秦雷,李君龍,周荻.基于AGIMM的臨近空間機(jī)動(dòng)目標(biāo)跟蹤濾波算法[J].系統(tǒng)工程與電子技術(shù),2015,37(5):1009-1014.

[34]苗偉,李昌璽,吳聰.基于修正轉(zhuǎn)彎模型的交互多模型跟蹤算法[J].現(xiàn)代防御技術(shù),2015,43(3):113-118.

[35]張翔宇,王國宏,李俊杰,等.臨近空間高超聲速滑躍式軌跡目標(biāo)跟蹤技術(shù)[J].航空學(xué)報(bào),2015,36(6):1983-1994.[36]李俊杰,王國宏,張翔宇,等.臨近空間高超聲速滑躍式機(jī)動(dòng)目標(biāo)跟蹤的IMM算法[J].電光與控制,2015,22(9):15-19.

[37]周軍,董鵬,盧曉東.基于Sigma點(diǎn)卡爾曼濾波的天基紅外低軌衛(wèi)星目標(biāo)跟蹤[J].紅外與激光工程,2012,41(8):2206-2210.

[38]李羅鋼,荊武興,高長生.基于預(yù)警衛(wèi)星系統(tǒng)的臨近空間飛行器跟蹤[J].航空學(xué)報(bào),2014,35(1):105-115.

[39]Singer P F,Coursey A L.Feature aided tracking (FAT)[C].In: Proceedings of SPIE Conference on Signal and Data Processing of Small Targets,Orlando,2004,249-259.

[40]占榮輝,張軍.特征輔助數(shù)據(jù)關(guān)聯(lián)研究綜述[J].系統(tǒng)工程與電子技術(shù),2011,33(1):35-41.

[41]祝依龍,范紅旗,盧再奇,等.基于特征的雷達(dá)目標(biāo)機(jī)動(dòng)檢測算法綜述[J].系統(tǒng)工程與電子技術(shù),2011,33(9):1913-1920.

[42]祝依龍,范紅旗,付強(qiáng),等.雷達(dá)目標(biāo)特征信號(hào)與運(yùn)動(dòng)模式的相關(guān)性研究[J].中國科學(xué):信息科學(xué),2012(42): 907-922.

[43]張凱,單甘霖,吉兵,等.基于姿態(tài)角輔助非線性濾波算法的機(jī)動(dòng)目標(biāo)跟蹤[J].電子學(xué)報(bào),2012,40(8):1670-1675.

[44]潘泉,王增福,梁彥,等.信息融合理論的基本方法與進(jìn)展(Ⅱ)[J].控制理論與應(yīng)用,2012,29(10):1233-1244.

[45]趙宗貴,王國強(qiáng),刁聯(lián)旺.戰(zhàn)場感知資源管理與信息融合[J].指揮信息系統(tǒng)與技術(shù),2012,3(1):12-19.

[46]KOLBA M P,SCOTT W R,COLLINS L M.A framework for information-based sensor management for the detection of static targets [J].IEEE Transactions on Systems,Man,and Cybernetics,PartA: Systems and Humans,2011,41(1):105-120.

Tracking Algorithms for Near Space Hypersonic Target

GUO Xiang-ke1,2,LIU Chang-yun2,ZHANG Ya-jian2,WEI Gang2,WANG Gang2

(1.Beijing University of Aeronautics and Astronautics,Beijing 100191;2.Air Force Engineering University,Xi’an 710051,China)

The tracking technique of the Near Space Hypersonic Target (NSHT)has great military significance and theoretical value in the air and aerospace defense system.The research about target motion modeling,the adaptive tracking algorithms for NSHT based on single model and the multiple-model is summarized in this paper.The potential idea to deal with the problem of tracking in NSHT is proposed,meeting the demand of target detection tracking requirements.The research provided a reference for the interrelated study.

near space; hypersonic vehicles; target tracking; moving model; tracking algorithms; interacting multiple model

1673-3819(2016)05-0008-05

2016-06-19

2016-07-12

國家自然科學(xué)青年基金(61503408)

郭相科(1980-)，男，河南泌陽人，碩士，講師，研究方向?yàn)闄C(jī)動(dòng)目標(biāo)跟蹤。

劉昌云(1973-)，男，博士，副教授。

張雅艦(1980-)，男，講師。

韋剛(1978-)，男，講師。

王剛(1975-)，男，博士，教授。

E917

ADOI:10.3969/j.issn.1673-3819.2016.05.002