火控系统中目标跟踪建模技术发展述评

对火控系统中的一个重要方面和核心问题——目标跟踪的建模作一综合论述,回顾并讨论先期和近期的发展情况     

基于MATD的高超声速飞行器反演控制

针对高超声速飞行器弹性体模型,提出了一种基于改进的反正切跟踪微分器(MATD)的鲁棒反演控制器。将控制系统分为高度和速度子系统,采用反演方法设计虚拟控制量和实际控制量。引入MATD对高阶系统虚拟控制量求导,避免了传统反演方法"微分膨胀"的问题。基于MATD设计干扰观测器,对模型不确定项进行精确估计,增强了控制器的鲁棒性。最后,通过实例仿真验证,该控制器对速度和高度指令具有很好的跟踪效果,且具有较强的鲁棒性。     

基于弹迹跟踪预测的舰艇定位方法

舰艇采用实测舰位法对岸上不可见目标进行远程攻击时,在已获取目标地理信息的情况下,我舰定位误差往往成为影响打击精度的关键因素。针对惯性导航长时间工作产生积累误差,以及卫星导航在战时易受干扰等情况,提出利用对单发弹丸的跟踪与预测,结合提取的岸上目标绝对定位数据和弹丸落点的偏差信息,反向推算发射舰相对岸上目标的位置,可较为精确地修正我舰的绝对定位数据,为后续射击提供修正手段。该方法减少了战时舰炮武器系统对导航的依赖,仅靠对单发弹丸跟踪和预测,即可提高后续对岸射击的精度。     

统计线性化无序量测更新算法

在实际的多传感器系统中,由于各种传感器具有不同的采样率,预处理时间,以及数据通信延迟,因而会出现多个传感器量测不同步到达融合中心的现象。进一步地,当较早时刻产生的量测在较晚时刻产生的量测之后到达融合中心时,无序量测问题就出现了。针对离散时间非线性系统,提出基于统计线性化固定点平滑器的最佳统计线性化无序量测算法,它可以处理单步和两步延迟(甚至多步)无序量测,且能达到与重新滤波法相同的估计精度。     

基于递推CRLB的被动定位跟踪精度分析

针对无源探测下存在探测概率低、数据率低、精度较低等问题,为了提高目标定位跟踪精度,利用克莱默下界(CRLB)理论,推导了不完全量测下最优估计方差下界公式。从而分析以上因素对目标跟踪的影响,为设计跟踪系统提供指标参考。理论仿真与KALMAN滤波数值仿真表明,在无法提高观测器精度的情形下,通过提高系统灵敏度以提升信号截获概率,增加分布式布站组网探测关联融合提高信息数据率,能显著提高被动定位跟踪精度。     

一种修正的自适应网格交互多模型算法

将径向速度引入到自适应网格交互多模型算法中,并针对自适应网格算法在跟踪过程中网格中心不稳定的问题增添模型集改变阈值,提出了一种修正的自适应网格交互多模型算法。同时对一些关键参数作了深入研究。仿真表明,提出的修正算法提高了算法稳定性,增强了模型滤波器与真实运动模式的匹配程度,减小了跟踪的速度误差和距离误差,很好地改善了跟踪性能,并具有全面自适应的跟踪能力。     

基于背景补偿的空基视频图像目标检测

基于空基平台的运动目标检测及跟踪有重要的军事应用,由于平台的运动使得背景发生变化,给目标的检测带来困难。基于Harris特征点检测方法可以有效的进行背景运动补偿,但结果受阈值影响明显,还无法根据场景自适应的设定阈值。本文研究了基于特征点跟踪的背景补偿方法,对不同场景都可实现稳定检测,同时分析运动目标对配准的影响,并根据检测结果进行特征点的筛选。实验证明,该方法是一种稳定的检测目标检测方法。     

我国将来更高精度CSGM卫星重力测量计划研究

基于卫星跟踪模式的优化选取、关键载荷的优化组合、轨道参数的优化设计、仿真模拟的先期启动和反演方法的优化改进,开展了我国将来CSGM(China’s Satellite Gravity Mission)卫星重力测量计划实施的研究论证。由于卫星跟踪卫星高低/低低(SST-HL/LL)模式对地球中长波重力场的探测精度较高、技术要求相对较低,而且可借鉴当前GRACE卫星的成功经验,因此建议将来CSGM卫星重力测量计划采用SST-HL/LL模式;建议开展激光干涉星间测距仪、复合GPS接收机、非保守力补偿系统、卫星体和加速度计质心调节装置等关键载荷的先期研制;建议将来CSGM卫星的轨道高度(300~400km)和星间距离(100±50km)选择在已有重力卫星的测量盲区;建议将仿真技术应用于CSGM卫星的方案论证、系统设计、部件研制、产品检验、空中使用、故障分析等研发和运行的全过程;对比分析了卫星轨道摄动法、动力学法、能量守恒法和加速度法的优缺点,建议寻求新型、高精度、高效率和全频段的卫星重力反演方法;提出将来CSGM卫星重力测量计划的预期科学目标:在300阶处,累计大地水准面精度和累计重力异常精度分别为1~5cm和1~5mGal。     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。     

道路约束条件下的地面运动目标跟踪

有效使用道路信息能显著提高地面运动目标跟踪性能。基于卡尔曼滤波理论,提出了道路约束条件下的滤波方法。首先建立了描述道路网中路段的数学模型,给出了将目标分配于道路的定位算法;然后推导了道路约束条件下的过程噪声矩阵;提出了路段切换时状态修正公式;在道路约束最大后验概率估计准则下,根据道路参数修正状态与协方差。蒙特卡洛仿真结果证明了该算法的优越性能,且定量分析表明其计算量是可接受的。