基于自适应多通道交互式多模型的高超声速滑翔飞行器跟踪方法

doi:10.3969/j.issn.1000-1093.2021.12.010

摘要/Abstract

摘要： 针对临近空间高超声速滑翔飞行器机动性强、单跟踪模型稳定匹配困难等问题，在分析目标受力情况与机动特性基础上，充分考虑运动学建模适应性强和动力学建模匹配程度高的特点，提出一种运动学模型与动力学模型相结合的自适应多通道交互式多模型跟踪算法。该算法以运动学模型和动力学模型为模型集，利用似然函数值对转移概率矩阵进行实时调整，增强匹配模型在滤波中的比重，利用残差边缘分布描述滤波模型在x轴、y轴和z轴3个不同维度与目标运动的匹配程度，实现了似然函数和模型概率的一一对应。仿真实验结果表明，新算法在跟踪典型控制律下的高超声速滑翔飞行器时具有良好的适应性，在目标发生机动时误差起伏较小、稳定跟踪精度高。

关键词: 高超声速滑翔飞行器, 临近空间, 目标跟踪, 交互式多模型, 转移概率矩阵

Abstract: The near-space hypersonic glide vehicle (HGV) has the high maneuverability，which makes it difficult to track stably by using the single tracking model. To solve this problem，a tracking method based on adaptive multi-channel interacting multiple model is proposed. Based on the analysis of the force and maneuvering characteristics of HGV，the characteristics of strong adaptability of kinematic model and the high matching degree of dynamic model are fully considered in the proposed method. The kinematic model and the dynamic model are taken as a model set. The likelihood function value is used to adjust the transition probability matrix in real-time to enhance the proportion of the matching model. The residual edge distribution is used to describe the matching degree of the filtering model with the target motion in three different dimensions of x，y and z axes. Simulation experiments show that the proposed method has good adaptability in tracking HGV under typical control laws. When the HGV maneuvers，the proposed method has higher accuracy and stability.

Key words: hypersonicglidevehicle, nearspace, targettracking, interactingmultiplemodel, transitionprobabilitymatrix

中图分类号:

张君彪，熊家军，兰旭辉，李凡，陈新，席秋实. 基于自适应多通道交互式多模型的高超声速滑翔飞行器跟踪方法[J]. 兵工学报, 2021, 42(12): 2626-2636.

ZHANG Junbiao， XIONG Jiajun， LAN Xuhui， LI Fan， CHEN Xin， XI Qiushi. Tracking Method for Hypersonic Glide Vehicle Based on Adaptive Multi-channel Interacting Multiple Model[J]. Acta Armamentarii, 2021, 42(12): 2626-2636.

参考文献

［1］李凡，熊家军，李冰洋，等.临近空间高超声速跳跃式滑翔目标跟踪模型［J］.电子学报，2018，46(9):2212-2221.
LI F，XIONG J J，LI B Y，et al.A tracking model for near space hypersonic jumping gliding target［J］.Acta Electronica Sinica，2018，46(9):2212-2221.（in Chinese）
［2］ YU C L，TAN X S，QU Z G，et al.Marginal tracking algorithm for hypersonic reentry gliding vehicle［J］.IET Radar，Sonar & Navigation，2019，13(1):156-166.
［3］ ZHANG X Y，HUANG J L，WANG G H，et al.Hypersonic target tracking with high dynamic biases［J］.IEEE Transactions on Aerospace & Electronic Systems，2019，55(1):506-510.
［4］ LI X R，JIKOV V P.Survey of maneuvering target tracking. Part II:motion models of ballistic and space targets［J］.IEEE Transactions on Aerospace and Electronic Systems，2010，46(1):96-119.
［5］ HOUGH M E.Reentry maneuver estimation using nonlinear Markov acceleration models［J］.Journal of Guidance Control & Dynamics， 2017，40(7):G002577.
［6］ LI X R，JIKOV V P.Survey of maneuvering target tracking. Part I:dynamic models［J］.IEEE Transactions on Aerospace and Electronic Systems，2003，39(4): 1333-1364.
［7］王国宏，李俊杰，张翔宇，等.临近空间高超声速滑跃式机动目标的跟踪模型［J］.航空学报，2015，36(7): 2400-2410.
WANG G H，LI J J，ZHANG X Y，et al.A tracking model for near space hypersonic slippage leap maneuvering target［J］.Acta Aeronautica et Astronautica Sinica，2015，36(7):2400-2410.（in Chinese）
［8］ LI F，XIONG J J，QU Z G，et al.A damped oscillation model for tracking near space hypersonic gliding targets［J］.IEEE Transactions on Aerospace and Electronic Systems，2019，55(6): 2871-2890.
［9］ ZHANG K，XIONG J J，FU T T.Coupled dynamic model of state estimation for hypersonic glide vehicle［J］.Journal of Systems Engineering and Electronics，2018，29(6): 1284-1292.
［10］李凡，熊家军，张凯，等.临近空间高超声速目标跟踪动力学模型［J］.宇航学报，2019，40(3):266-276.
LI F，XIONG J J，ZHANG K，et al.Near space hypersonic target dynamics tracking model［J］.Journal of Astronautics，2019，40(3): 266-276.（in Chinese）
［11］程云鹏，闫晓东，程锋.基于气动性能分析的高超声速滑翔飞行器轨迹估计［J］. 西北工业大学学报，2019，37(6):1102-1110.
CHENG Y P，YAN X D，CHENG F.Trajectory estimation of hypersonic glide vehicle based on analysis of aerodynamic perfor- mance ［J］.Journal of Northwestern Polytechnical University， 2019，37(6): 1102-1110.（in Chinese）
［12］ VISINA R，BAR-SHALOM Y，WILLETT P.Multiple-model estimators for tracking sharply maneuvering ground targets［J］.IEEE Transactions on Aerospace and Electronic Systems，2018，54(3):1404-1414.
［13］ LI X R，JIKOV V P.Survey of maneuvering target tracking. Part Ⅴ: multiple-model methods［J］.IEEE Transactions on Aerospace and Electronic Systems，2005，41(4):1255-1321.
［14］ FAN Y，LU F，ZHU W X，et al. A hybrid model algorithm for hypersonic glide vehicle maneuver tracking based on the aerodyna- mic model［J］.Applied Sciences，2017，7(2):159.
［15］ XU L F，LI X R，DUAN Z S.Hybrid grid multiple-model estimation with application to maneuvering target tracking［J］.IEEE Transactions on Aerospace and Electronic Systems，2016，52(1): 122-136.
［16］封普文，黄长强，曹林平，等.基于自适应Markov参数交互多模型算法的弹道导弹跟踪研究［J］.兵工学报，2014，35(12):2041-2049.
FENG P W，HUANG C Q，CAO L P，et al.Research on ballistic missile tracking based on adaptive Markov parameter IMM［J］.Acta Armamentarii，2014，35(12):2041-2049.（in Chinese）
［17］ XIE G，SUN L L，WEN T，et al.Adaptive transition probability matrix-based parallel IMM algorithm［J］.IEEE Transactions on Systems，Man，and Cybernetics:Systems，2019，51(5): 2980-2989.
［18］戴定成，姚敏立，蔡宗平，等.改进的Markov参数自适应IMM算法［J］.电子学报，2017，45(5):1198-1205.
DAI D C，YAO M L，CAI Z P，et al.Improved adaptive Markov IMM algorithm［J］.Acta Electronica Sinica，2017，45(5):1198-1205.（in Chinese）
［19］ XU B，SHI Z K.An overview on flight dynamics and control approaches for hypersonic vehicles［J］.Science China(Information Sciences)，2015，58(7):7-27.
［20］余跃，王宏伦.基于深度学习的高超声速飞行器再入预测校正容错制导［J］.兵工学报，2020，41(4):656-669.
YU Y，WANG H L. Deep learning-based reentry predictor-corrector fault-tolerant guidance for hypersonic vehicles［J］.Acta Armamentarii，2020，41(4): 656-669.（in Chinese）
［21］李广华，张洪波，汤国建.高超声速滑翔飞行器典型弹道特性分析［J］.宇航学报，2015，36(4):397-403.
LI G H，ZHANG H B，TANG G J.Typical trajectory characteristics of hypersonic glide vehicle［J］.Journal of Astronautics，2015，36(4): 397-403.（in Chinese）
［22］ LI X R，JIKOV V P.A survey of maneuvering target tracking，Part
VIc: approximate nonlinear density filtering in discrete time［C］∥
Proceedings of SPIE Conference on Signal and Data Processing of Small Targets.San Diego，CA，US:SPIE，2001:4473.
［23］翟岱亮，雷虎民，李炯，等.基于自适应IMM的高超声速飞行器轨迹预测［J］.航空学报，2016，37(11):3466-3475.
ZHAI D L，LEI H M，LI J，et al.Trajectory prediction of hypersonic vehicle based on adaptive IMM［J］.Acta Aeronautica et Astronautica Sinica，2016，37(11):3466-3475.（in Chinese）
［24］李凡，熊家军，毕红葵，等.GPU加速的高超声速目标双通道IMM跟踪算法［J］.华中科技大学学报(自然科学版)，2017，45(9):11-17.
LI F，XIONG J J，BI H K，et al.Dual-channel IMM tracking algorithm for hypersonic target with GPU acceleration［J］.Journal of Huazhong University of Science and Technology(Natural Science Edition)，2017，45(9): 11-17.（in Chinese）

[1]	张昀普，单甘霖. 道路约束下多传感器协同地面目标跟踪的管理方法[J]. 兵工学报, 2022, 43(3): 542-555.
[2]	李纪三，侯娇，刘溶，任渊. 基于贝叶斯滤波算法的警戒相控阵雷达目标跟踪时间资源优化分配算法[J]. 兵工学报, 2021, 42(9): 1902-1910.
[3]	姜珊，底晓强，韩成. 融合时空特性的孪生网络视觉跟踪[J]. 兵工学报, 2021, 42(9): 1940-1950.
[4]	丁海婷，周琳，刁伟峰. 基于背包问题的多相控阵雷达多目标跟踪时间资源管理算法[J]. 兵工学报, 2021, 42(5): 997-1003.
[5]	张永梅，赖裕平，马健喆，冯超，束颉. 基于视频的装甲车和飞机检测跟踪及轨迹预测算法[J]. 兵工学报, 2021, 42(3): 545-554.
[6]	王振峰，李飞，王新宇，杨建森，秦也辰. 基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计[J]. 兵工学报, 2021, 42(2): 242-253.
[7]	邹汝平，刘建书. 基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别[J]. 兵工学报, 2020, 41(8): 1502-1508.
[8]	卢莉萍，郑潇. 基于旋转反射镜光学成像的动态目标跟踪方法[J]. 兵工学报, 2020, 41(8): 1558-1565.
[9]	邵鹏飞，王蕾，王方勇. 基于序贯蒙特卡洛与概率假设密度滤波的主动分布式声纳多目标跟踪[J]. 兵工学报, 2020, 41(5): 941-949.
[10]	张伽伟，喻鹏，姜润翔, 孙宝全. 基于舰船电场的目标跟踪方法研究[J]. 兵工学报, 2020, 41(3): 559-566.
[11]	杨鑫, 许卫东, 贾其. 一种基于特征统计的动态伪装效果评估方法[J]. 兵工学报, 2019, 40(8): 1693-1699.
[12]	马艳，刘小东. 状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用[J]. 兵工学报, 2019, 40(2): 361-368.
[13]	张蛟，邢士勇，王建华，李茂，陆建峰. 一种具有角速度量测的多站无源目标跟踪方法[J]. 兵工学报, 2019, 40(1): 107-114.
[14]	乔成林，单甘霖，段修生，郭峰. 多平台主动与被动传感器协同跟踪的长时调度方法[J]. 兵工学报, 2019, 40(1): 115-123.
[15]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.