崔彥凱,梁曉庚
(中國(guó)空空導(dǎo)彈研究院,河南 洛陽(yáng) 471000)
角閃爍噪聲測(cè)量條件下的剩余飛行時(shí)間估計(jì)
崔彥凱,梁曉庚
(中國(guó)空空導(dǎo)彈研究院,河南 洛陽(yáng) 471000)
針對(duì)雷達(dá)導(dǎo)引頭角閃爍噪聲測(cè)量條件下的機(jī)動(dòng)目標(biāo),研究剩余飛行時(shí)間計(jì)算方法;建立了閃爍噪聲計(jì)算模型;在粒子濾波算法和擴(kuò)展卡爾曼濾波算法的基礎(chǔ)上,推導(dǎo)了擴(kuò)展卡爾曼粒子濾波算法的實(shí)現(xiàn)過(guò)程;根據(jù)估計(jì)結(jié)果建立了剩余飛行時(shí)間計(jì)算模型,在剩余飛行時(shí)間表達(dá)式中考慮了目標(biāo)機(jī)動(dòng)加速度的影響;仿真結(jié)果表明,基于機(jī)動(dòng)目標(biāo)當(dāng)前統(tǒng)計(jì)模型的擴(kuò)展卡爾曼粒子濾波算法對(duì)閃爍噪聲測(cè)量條件下的機(jī)動(dòng)目標(biāo)具有良好的跟蹤性能,對(duì)剩余飛行時(shí)間具有較高的估計(jì)精度。
粒子濾波;擴(kuò)展卡爾曼濾波;剩余飛行時(shí)間;雷達(dá)導(dǎo)引頭;角閃爍噪聲
制導(dǎo)引信一體化是一種新型數(shù)字化引信,引信系統(tǒng)能夠充分利用彈上制導(dǎo)探測(cè)設(shè)備所提供的信息,計(jì)算出目標(biāo)相對(duì)彈體的脫靶方位、最佳延遲時(shí)間等參數(shù),自適應(yīng)地控制戰(zhàn)斗部起爆,提高引戰(zhàn)配合效率[1-2]。而剩余飛行時(shí)間是最佳延遲時(shí)間計(jì)算的關(guān)鍵參數(shù)。
文獻(xiàn)[2]和文獻(xiàn)[3]提出了基于紅外導(dǎo)引頭測(cè)量的視線角和視線角速度等參數(shù)的剩余飛行時(shí)間計(jì)算方法。文獻(xiàn)[4]在紅外成像/激光測(cè)距—體化的基礎(chǔ)上,通過(guò)不敏卡爾曼濾波異步信息融合方法,利用彈目相對(duì)運(yùn)動(dòng)狀態(tài)估計(jì)值計(jì)算剩余飛行時(shí)間。文獻(xiàn)[5]推導(dǎo)了利用導(dǎo)引頭角度信息進(jìn)行剩余飛行時(shí)間估計(jì)的算法。文獻(xiàn)[2-5]在計(jì)算剩余飛行時(shí)間時(shí),均基于在彈道終端(遭遇段)目標(biāo)作勻速直線運(yùn)動(dòng)的假設(shè),忽略了目標(biāo)機(jī)動(dòng)加速度的影響。而目標(biāo)在遭受打擊時(shí),通常會(huì)做各種機(jī)動(dòng),以規(guī)避導(dǎo)彈的攻擊。目標(biāo)機(jī)動(dòng)加速度所造成的導(dǎo)彈速度的變化,直接影響了剩余飛行時(shí)間的計(jì)算精度。
雷達(dá)導(dǎo)引頭相對(duì)于紅外導(dǎo)引頭,能夠提供更加豐富的目標(biāo)測(cè)量信息,如彈目相對(duì)距離、角度信息等,通過(guò)濾波可獲取目標(biāo)的位置、速度、加速度信息。但是,在雷達(dá)導(dǎo)引頭目標(biāo)跟蹤過(guò)程中會(huì)產(chǎn)生閃爍噪聲。當(dāng)目標(biāo)較大、距離較近時(shí),閃爍噪聲將影響跟蹤精度。閃爍噪聲測(cè)量條件下的雷達(dá)目標(biāo)跟蹤屬于非線性、非高斯問(wèn)題。在處理非線性、非高斯問(wèn)題時(shí)常用的濾波算法為粒子濾波。粒子濾波會(huì)不可避免地存在著退化現(xiàn)象[6]。為了解決粒子濾波的退化現(xiàn)象,本文用擴(kuò)展卡爾曼濾波產(chǎn)生重要密度函數(shù),推導(dǎo)了擴(kuò)展卡爾曼粒子濾波算法(EKPF)的實(shí)現(xiàn)過(guò)程。利用EKPF估計(jì)結(jié)果計(jì)算剩余飛行時(shí)間,且在剩余飛行時(shí)間表達(dá)式中考慮了目標(biāo)機(jī)動(dòng)加速度的影響。
1.1 閃爍噪聲產(chǎn)生機(jī)理及建模
1.1.1 閃爍噪聲產(chǎn)生機(jī)理
以有源相控陣導(dǎo)引頭為例,說(shuō)明閃爍噪聲測(cè)量及產(chǎn)生機(jī)理。有源相控陣導(dǎo)引頭的典型系統(tǒng)組成如圖1所示[7]。有源相控陣導(dǎo)引頭天線系統(tǒng)采用強(qiáng)制饋電方式,每個(gè)天線單元都有單獨(dú)的T/R組件、移相器和衰減器。T/R組件直接和天線相連接,位于移相器和衰減器之前。每個(gè)發(fā)射模塊的功率直接由天線單元輻射,形成空間功率合成的方向圖。有源相控陣?yán)走_(dá)導(dǎo)引頭具有電掃描和方向圖捷變能力,且導(dǎo)引頭的功率不受天饋系統(tǒng)和雙工器的限制,可以最大限度地提高發(fā)射功率。信號(hào)處理機(jī)負(fù)責(zé)目標(biāo)回波信號(hào)處理,對(duì)目標(biāo)方位、俯仰、距離等信息進(jìn)行提取。
圖1 有源相控陣導(dǎo)引頭的典型系統(tǒng)組成
在雷達(dá)導(dǎo)引頭目標(biāo)跟蹤過(guò)程中,Howard認(rèn)為由于復(fù)雜目標(biāo)不同部位的散射強(qiáng)度和相對(duì)相位的隨機(jī)變化,造成回波相位波前面的畸變,波前在接收天線口徑面上的傾斜和隨機(jī)擺動(dòng)就產(chǎn)生了角閃爍[8]。這種現(xiàn)象引起的測(cè)量噪聲稱(chēng)之為閃爍噪聲,尤其是對(duì)測(cè)量角的影響。因此,雷達(dá)導(dǎo)引頭信號(hào)處理機(jī)輸出的目標(biāo)方位、俯仰、距離等信息的測(cè)量噪聲包含了閃爍噪聲。
1.1.2 閃爍噪聲建模
閃爍噪聲分布與高斯分布的主要差別在于尾部較長(zhǎng),而在中心區(qū)域則類(lèi)似于高斯形狀。閃爍噪聲的建模主要是通過(guò)高斯噪聲和其它噪聲分布的合成來(lái)實(shí)現(xiàn),如t分布、拉普拉斯分布、大方差的高斯分布、均勻分布等。本文采用具有不同方差的高斯噪聲加權(quán)和來(lái)對(duì)閃爍噪聲進(jìn)行建模,則閃爍噪聲的概率密度函數(shù)可表示為[9]:
p(ω)=(1-ε)N(ω;μ1,P1)+εN(ω;μ2,P2)
式中,N(ω;μ1,P1)表示均值為μ1、方差為P1的高斯分布在ω處的概率密度;N(ω;μ2,P2)表示均值為μ2、方差為P2的高斯分布在ω處的概率密度;ε∈[0,1]表示閃爍效應(yīng)的強(qiáng)弱。
1.2 粒子濾波算法
粒子濾波是一種基于蒙特卡羅方法和遞推貝葉斯估計(jì)的統(tǒng)計(jì)濾波方法。它通過(guò)尋找一組在狀態(tài)空間中傳播的隨機(jī)樣本對(duì)概率密度函數(shù)進(jìn)行近似,以樣本均值代替積分運(yùn)算,從而獲得狀態(tài)最小方差估計(jì)[10]。在實(shí)際的目標(biāo)跟蹤系統(tǒng)中,由于系統(tǒng)的非線性及有色噪聲測(cè)量的影響,粒子濾波算法通常優(yōu)于其它次優(yōu)濾波算法,如擴(kuò)展卡爾曼濾波(EKF)或不敏卡爾曼濾波(UKF),且粒子濾波算法不受高斯噪聲假設(shè)的限制。粒子濾波算法步驟如下[9]:
1)初始化。k=0,初始化粒子和權(quán)值:
2)重要性權(quán)值計(jì)算。設(shè)定k:=k+1,采樣:
得到N個(gè)采樣粒子。zk為當(dāng)前時(shí)刻的測(cè)量值。
計(jì)算重要性權(quán)值如下:
式中,R為測(cè)量誤差方差,Q為系統(tǒng)誤差方差,f(·)為系統(tǒng)方程,h(·)為測(cè)量方程。
歸一化重要性權(quán)值:
3)重采樣。
重采樣的作用主要是為了消除權(quán)值小的粒子,同時(shí)復(fù)制權(quán)值大的粒子,若:
4)輸出估計(jì)。
狀態(tài)估計(jì):
方差估計(jì):
5)判斷是否結(jié)束,若是則退出本算法,若否則返回2)。
1.3 擴(kuò)展卡爾曼濾波算法
目前,應(yīng)用最廣的非線性高斯濾波器是擴(kuò)展卡爾曼濾波器,通過(guò)對(duì)非線性狀態(tài)及量測(cè)函數(shù)的泰勒展開(kāi)式進(jìn)行一階線性化截?cái)?,將非線性濾波問(wèn)題轉(zhuǎn)化為線性卡爾曼濾波,EKF是一種次優(yōu)濾波器。其算法實(shí)現(xiàn)過(guò)程如下:
P(k+1/k)=Φ(k+1/k)P(k/k)ΦT(k+1/k)+Q(k)
K(k+1)=P(k+1/k)HT(k+1)[H(k+1)P(k+1/k)
HT(k+1)+R(k+1)]-1
P(k+1/k+1)=[I-K(k+1)H(k+1)]P(k+1/k)
1.4 EKPF濾波算法
而各粒子的協(xié)方差保持不變,即:
該方法得到的N個(gè)新粒子符合重要分布q(xk|xk-1,zk),且新的粒子包含了當(dāng)前時(shí)刻的測(cè)量信息,其精度在理論上要優(yōu)于采用先驗(yàn)分布p(xk|xk-1)作為重要分布的序貫重要抽樣(SIR)算法。計(jì)算粒子權(quán)值:
1.5 剩余飛行時(shí)間計(jì)算模型
圖2 彈體坐標(biāo)系下彈目交會(huì)示意圖
式中,Tgo為剩余飛行時(shí)間;rx(k)為OX方向位置分量;vx為OX方向速度分量;aTx(k)為OX方向加速度分量。
2.1 目標(biāo)運(yùn)動(dòng)模型
機(jī)動(dòng)目標(biāo)當(dāng)前統(tǒng)計(jì)模型對(duì)機(jī)動(dòng)目標(biāo)具有較好的跟蹤性能,考慮到彈道末端目標(biāo)機(jī)動(dòng)的影響,本文選取機(jī)動(dòng)目標(biāo)當(dāng)前統(tǒng)計(jì)模型作為目標(biāo)運(yùn)動(dòng)狀態(tài)方程。在慣性坐標(biāo)系OXYZ中,三維情況下的機(jī)動(dòng)目標(biāo)當(dāng)前統(tǒng)計(jì)模型狀態(tài)方程為[11-12]:
X(k+1)=Φ(k+1,k)X(k)+BkU(k)+Γ(k)
式中,X=[rxryrzvxvyvzaTxaTyaTz]T;
雷達(dá)導(dǎo)引頭測(cè)量方程:
假設(shè)雷達(dá)導(dǎo)引頭位于慣性坐標(biāo)系原點(diǎn),三維條件下的雷達(dá)導(dǎo)引頭觀測(cè)模型為[13-14]:
Y(k)=h[X(k)]+Π(k)
r(k)、θ(k)、φ(k)分別為雷達(dá)導(dǎo)引頭距離、高低角、方位角測(cè)量信息。
2.2 仿真結(jié)果
假設(shè)雷達(dá)導(dǎo)引頭位于慣性坐標(biāo)系原點(diǎn),采樣周期為24毫秒。熱噪聲對(duì)應(yīng)的距離測(cè)量誤差為10米,高低角測(cè)量誤差為0.3度,方位角測(cè)量誤差為0.3度;閃爍效應(yīng)對(duì)應(yīng)的雷達(dá)導(dǎo)引頭距離測(cè)量誤差為100米,高低角測(cè)量誤差為0.57度,方位角測(cè)量誤差為0.57度,閃爍噪聲強(qiáng)度為ε=0.1。目標(biāo)在OXYZ平面內(nèi)飛行,目標(biāo)初始飛行狀態(tài)為[9 500 m,-2 000 m,-2 000 m,-2 000 m/s,375 m/s, 375 m/s,0,0,0],目標(biāo)分別以10 m/s2、20 m/ s2、20 m/s2的加速度在OX方向、OY方向、OZ方向做機(jī)動(dòng)飛行。剩余飛行時(shí)間估計(jì)誤差技術(shù)指標(biāo):彈道末端剩余飛行時(shí)間估計(jì)誤差小于2 ms。目標(biāo)運(yùn)動(dòng)軌跡理論值與估計(jì)值仿真結(jié)果如圖3所示,剩余飛行時(shí)間理論值與估計(jì)值仿真結(jié)果如圖4所示,剩余飛行時(shí)間估計(jì)誤差仿真結(jié)果如圖5所示。
圖3 目標(biāo)運(yùn)動(dòng)軌跡理論值與估計(jì)值
圖4 剩余飛行時(shí)間理論值與估計(jì)值
由圖3可知:擴(kuò)展卡爾曼粒子濾波算法對(duì)閃爍噪聲測(cè)量條件下的雷達(dá)導(dǎo)引頭測(cè)量信息具有較好的估計(jì)結(jié)果,對(duì)目標(biāo)運(yùn)動(dòng)軌跡具有良好的跟蹤性能;由圖4、圖5可知,剩余飛行時(shí)間具有較高的估計(jì)精度,彈道末端估計(jì)誤差小于2 ms,達(dá)到了技術(shù)指標(biāo)要求。
基于機(jī)動(dòng)目標(biāo)當(dāng)前統(tǒng)計(jì)模型的擴(kuò)展卡爾曼粒子濾波算法(EKPF)對(duì)雷達(dá)導(dǎo)引頭角閃爍噪聲測(cè)量條件下的機(jī)動(dòng)目標(biāo)具
圖5 剩余飛行時(shí)間估計(jì)誤差
有良好的跟蹤性能;利用EKPF算法估計(jì)結(jié)果計(jì)算出的剩余飛行時(shí)間達(dá)到了較高的估計(jì)精度,實(shí)現(xiàn)了剩余飛行時(shí)間估計(jì)的目的,為制導(dǎo)引信一體化技術(shù)實(shí)現(xiàn)自適應(yīng)起爆控制功能提供了條件。
[1] 蘇志謀,簡(jiǎn)金蕾,任宏濱,等. 基于制導(dǎo)引信一體化的自適應(yīng)起爆控制[J]. 導(dǎo)彈與航天運(yùn)載技術(shù),2012(3):47-51.
[2] 劉 斌,樊養(yǎng)余.制導(dǎo)引信一體化技術(shù)及其典型應(yīng)用[J]. 航空兵器,2006(6):33-36.
[3] 孫 博,栗金平,鄭建強(qiáng),等. 防空導(dǎo)彈紅外成像制導(dǎo)引信一體化應(yīng)用研究[J].彈箭與制導(dǎo)學(xué)報(bào),2013(2):57-60.
[4] 溫銀放,王 瓊.空空導(dǎo)彈制導(dǎo)引信一體化信息融合技術(shù)研究[J]. 計(jì)算機(jī)仿真,2016(4):67-70.
[5] 劉劍鋒,莊志洪. 利用導(dǎo)引頭測(cè)角信息進(jìn)行遭遇段剩余飛行時(shí)間估計(jì)的算法[J]. 兵工學(xué)報(bào),2006(1):27-31.
[6] Caglar Yardim, Peter Gerstoft,William S. Tracking Refractivity from Clutter Using Kalman and Particle Filters[J]. IEEE Transactions on Antennas and Propagation,2008,56(4):1058-1070.
[7] 湯曉云,樊小景,李朝偉. 相控陣?yán)走_(dá)導(dǎo)引頭綜述[J]. 航空兵器,2013(6):25-30.
[8] Howard D D. Radar Target Glint in Tracking and Guidance System Based on Echo Signal Phase Distortion[J].Proc.NEC,1959,15:840-849.
[9] 朱志宇. 粒子濾波算法及其應(yīng)用[M]. 北京:科學(xué)出版社,2010.
[10] 單甘霖,周云鋒. 一種改進(jìn)的不敏粒子濾波算法[J]. 系統(tǒng)仿真學(xué)報(bào),2010(10):2287-2290.
[11] 周宏仁,敬忠良,王培德. 機(jī)動(dòng)目標(biāo)跟蹤[M]. 北京:國(guó)防工業(yè)出版社, 1991.
[12] Zhou H R,Kumar K S P. A current statistical model and adaptive algorithm for estimating maneuvering targets. AIAA Journal of Guidance,1984; 7( 5) : 596-602.
[13] 何 友,王國(guó)宏,陸大勁,等.多傳感器信息融合及應(yīng)用[M]. 北京:電子工業(yè)出版社,2010.
[14] 徐琰珂,梁曉庚,賈曉洪.雷達(dá)/紅外雙模導(dǎo)引頭信息融合算法研究[J].計(jì)算機(jī)測(cè)量與控制,2013,21(1):129-132.
Estimation of Time to Go under Angular Glint Noise Condition
Cui Yankai,Lang Xiaogeng
(China Airborne Missile Academy,Luoyang 471000,China)
The paper puts forward a method to calculate the time to go under angular glint noise of radar seeker measurement condition for maneuvering target. Angular glint noise calculation model is founded. The paper deduces an extended Kalman particle filtering algorithm based on particle filtering algorithm and extended Kalman filtering algorithm. Time to go calculation model is founded using filtering results of target motion state, which considers the effect of target maneuvering acceleration. The simulations show that extended Kalman particle filtering algorithm based on maneuvering target current statistical model has good tracking performance under angular glint noise of radar seeker measurement condition for maneuvering target, the time to go has good estimate accuracy.
particle filtering(PF); extended Kalman filtering(EKF); time to go; radar seeker; angular glint noise
2017-01-18;
2017-02-27。
河南省自然科學(xué)基金(162300410096)。
崔彥凱(1980-),男,河南漯河人,博士,主要從事信號(hào)處理技術(shù)方向的研究。
1671-4598(2017)07-0178-03
10.16526/j.cnki.11-4762/tp.2017.07.044
V249.1
A