基于改进“当前”统计模型的再入目标跟踪算法

doi:10.7527/S1000-6893.2024.30800

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于改进“当前”统计模型的再入目标跟踪算法

贺杨超, 李炯, 邵雷(), 卜祥伟, 张锦林, 姬博洋

空军工程大学防空反导学院，西安 710051

收稿日期:2024-06-05 修回日期:2024-06-24 接受日期:2024-08-01 出版日期:2024-08-21 发布日期:2024-08-20
通讯作者: 邵雷 E-mail:zj_shaolei_2021@163.com
基金资助:
国家自然科学基金(62173339)

Reentry target tracking algorithm based on improved “current” statistical model

Yangchao HE, Jiong LI, Lei SHAO(), Xiangwei BU, Jinlin ZHANG, Boyang JI

Air and Missile Defense College，Air Force Engineering University，Xi’an 710051，China

Received:2024-06-05 Revised:2024-06-24 Accepted:2024-08-01 Online:2024-08-21 Published:2024-08-20
Contact: Lei SHAO E-mail:zj_shaolei_2021@163.com
Supported by:
National Natural Science Foundation of China(62173339)

摘要/Abstract

摘要：

在再入目标跟踪时，“当前”统计模型（CS）需要依据经验预设加速度方差极限值，当预先设定值和目标实际运动不匹配时，会造成较大的跟踪误差。为克服上述问题，本文在针对常规目标提出的加速度方差自适应算法的基础上，对目标状态滤波值和预测值形成的加速度增量进行缩放，使其提供的加速度方差能够适应再入目标的机动强度；算法中不同机动模式的缩放系数则通过设置包含均方根误差和均值的目标函数，分别使用粒子群优化算法得到。仿真结果表明，本文所提算法能够稳定跟踪典型机动模式下的再入目标状态值，和其他算法相比，具有更高的跟踪精度。

关键词: “当前”统计模型, 加速度方差自适应, 再入目标, 缩放系数, 粒子群优化算法

Abstract:

When tracking re-entry targets， the “Current” Statistical Model typically presets the acceleration variance limit based on experience. However， mismatches between this preset value and the target’s actual motion can result in significant tracking errors. To overcome this issue， this paper introduces an enhancement of the conventional acceleration variance adaptive algorithm tailored specifically for reentry targets. The acceleration increment derived from the target state filter value and its predicted counterpart is scaled， enabling the algorithm’s acceleration variance to dynamically adjust to the varying maneuvering intensity of the reentry target. The scaling coefficients for distinct maneuvering modes within this algorithm are optimized using the particle swarm optimization algorithm， which minimizes an objective function comprising both the root mean square error and the mean value. Simulation results demonstrate that the proposed algorithm can stably track the state values of reentry targets in typical maneuvering modes， exhibiting higher tracking accuracy compared to other algorithms.

Key words: “current” statistical model, acceleration variance adaptation, reentry target, scaling coefficient, particle swarm optimization (PSO) algorithm

中图分类号:

贺杨超, 李炯, 邵雷, 卜祥伟, 张锦林, 姬博洋. 基于改进“当前”统计模型的再入目标跟踪算法[J]. 航空学报, 2024, 45(S1): 730800.

Yangchao HE, Jiong LI, Lei SHAO, Xiangwei BU, Jinlin ZHANG, Boyang JI. Reentry target tracking algorithm based on improved “current” statistical model[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(S1): 730800.

图/表 8

图 1

图 2

表 1

图3

图4

图5

图6

表 2

参考文献 22

1	张灿，王轶鹏，叶蕾. 国外近十年高超声速飞行器技术发展综述［J］. 战术导弹技术， 2020（6）： 81-86.
	ZHANG C， WANG Y P， YE L. Summary of the technological development of overseas hypersonics in the past ten years［J］. Tactical Missile Technology， 2020（6）： 81-86 （in Chinese）.
2	雷虎民，骆长鑫，周池军，等. 临近空间防御作战拦截弹制导与控制关键技术综述［J］. 航空兵器， 2021， 28（2）： 1-10.
	LEI H M， LUO C X， ZHOU C J， et al. Summary of key technologies of interceptor guidance and control in near space defense operations［J］. Aero Weaponry， 2021， 28（2）： 1-10 （in Chinese）.
3	LI X R， JILKOV 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.
4	李世杰，雷虎民，周池军，等. 基于控制变量估计的高超声速再入滑翔目标轨迹预测算法［J］. 系统工程与电子技术， 2020， 42（10）： 2320-2327.
	LI S J， LEI H M， ZHOU C J， et al. An intelligent trajectory prediction algorithm of reentry glide target based on control parameter estimation［J］. Systems Engineering and Electronics， 2020， 42（10）： 2320-2327 （in Chinese）.
5	魏喜庆，顾龙飞，李瑞康，等. 基于Singer模型的高超声速飞行器轨迹跟踪与预测［J］. 航天控制， 2017， 35（4）： 62-66， 72.
	WEI X Q， GU L F， LI R K， et al. Trajectory tracking and prediction of hypersonic vehicle based on singer model［J］. Aerospace Control， 2017， 35（4）： 62-66， 72 （in Chinese）.
6	凡永华，皇甫逸伦，郭晓雯，等. 拦截临近空间滑翔目标的衰减记忆滤波中制导方法［J］. 系统仿真学报， 2021， 33（11）： 2742-2752.
	FAN Y H， HUANGFU Y L， GUO X W， et al. Midcourse guidance method based on fading memory filter for intercepting near-space gliding target［J］. Journal of System Simulation， 2021， 33（11）： 2742-2752 （in Chinese）.
7	张君彪，熊家军，兰旭辉，等. 基于自适应滤波的高超声速滑翔目标三维跟踪算法［J］. 系统工程与电子技术， 2022， 44（2）： 628-636.
	ZHANG J B， XIONG J J， LAN X H， et al. 3D tracking algorithm of hypersonic gliding target based on adaptive filtering［J］. Systems Engineering and Electronics， 2022， 44（2）： 628-636 （in Chinese）.
8	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）.
9	MAZOR E， AVERBUCH A， BAR-SHALOM Y， et al. Interacting multiple model methods in target tracking： A survey［J］. IEEE Transactions on Aerospace and Electronic Systems， 1998， 34（1）： 103-123.
10	邵雷，雷虎民，赵锦. 临近空间高超声速飞行器轨迹预测方法研究进展［J］. 航空兵器， 2021， 28（2）： 34-39.
	SHAO L， LEI H M， ZHAO J. Research progress in trajectory prediction for near space hypersonic vehicle［J］. Aero Weaponry， 2021， 28（2）： 34-39 （in Chinese）.
11	周池军，邵雷，骆长鑫，等. 高动态目标拦截弹制导与控制前沿技术展望［J］. 空天技术， 2022，（2）： 61-74.
	ZHOU C J， SHAO L， LUO C X， et al. Prospect on advanced technology of interceptor guidance and control in high dynamic target defense［J］. Aerospace Technology， 2022，（2）： 61-74 （in Chinese）.
12	SINGER R A. Estimating optimal tracking filter performance for manned maneuvering targets［J］. IEEE Transactions on Aerospace and Electronic Systems， 1970， AES-6（4）： 473-483.
13	周宏仁. 机动目标“当前”统计模型与自适应跟踪算法［J］. 航空学报， 1983， 4（1）： 73-86.
	ZHOU H R. A “Current” statistical model and adaptive tracking algorithm for maneuvering targets［J］. Acta Aeronautica et Astronautica Sinica， 1983， 4（1）： 73-86 （in Chinese）.
14	刘昌云，刘进忙，陈长兴，等. 机动目标跟踪的机动频率自适应算法［J］. 控制理论与应用， 2004， 21（6）： 961-965.
	LIU C Y， LIU J M， CHEN C X， et al. Maneuvering frequency adaptive algorithm of tracking a maneuvering object［J］. Control Theory & Applications， 2004， 21（6）： 961-965 （in Chinese）.
15	钱广华，李颖，骆荣剑. 机动目标跟踪中一种机动频率和方差自适应滤波算法［J］. 雷达学报， 2013， 2（2）： 257-264.
	QIAN G H， LI Y， LUO R J. One maneuvering frequency and the variance adaptive filtering algorithm for maneuvering target tracking［J］. Journal of Radars， 2013， 2（2）： 257-264 （in Chinese）.
16	方前学，杨建文. 基于参数自适应CS模型的机动目标跟踪算法［J］. 火力指挥与控制， 2016， 41（9）： 90-94.
	FAGN Q X， YANG J W. A maneuvering target tracking algorithm based on parameter adaptive current statistical model［J］. Fire Control & Command Control， 2016， 41（9）： 90-94 （in Chinese）.
17	王博，贺正洪，周政，等. 一种改进的当前统计模型自适应跟踪算法［J］. 现代防御技术， 2016， 44（5）： 34-39.
	WANG B， HE Z H， ZHOU Z， et al. Improved adaptive current statistical model tracking algorithm［J］. Modern Defence Technology， 2016， 44（5）： 34-39 （in Chinese）.
18	MARINI F， WALCZAK B. Particle swarm optimization （PSO）. A tutorial［J］. Chemometrics and Intelligent Laboratory Systems， 2015， 149： 153-165.
19	JAIN M， SAIHJPAL V， SINGH N， et al. An overview of variants and advancements of PSO algorithm［J］. Applied Sciences， 2022， 12（17）： 8392.
20	PHILLIPS， TERRY H. A common aero vehicle （CAV） model， description， and employment Guide［R］. Schafer Corporation for AFRL and AFSPC， 2003.
21	李明杰，周池军，雷虎民，等. 基于控制参数估计的再入滑翔目标智能轨迹预测算法［J］. 系统工程与电子技术， 2023， 45： 221-233.
	LI M J， ZHOU C J， LEI H M， et al. An intelligent trajectory prediction algorithm of reentry glide target based on control parameter estimation［J］. Systems Engineering and Electronics， 2023， 45： 221-233 （in Chinese）.
22	周宏仁. 机动目标跟踪［M］. 北京：国防工业出版社， 1991.
	ZHOU H R. Tracking of maneuvering targets［M］. Beijing： National Defense Industry Press， 1991 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

目标轨迹	缩放系数
轨迹1	$λ v = 0.13$ ， $λ t = 0.04$ ， $λ c = 0.01$
轨迹2	$λ v = 0.10$ ， $λ t = 0.02$ ， $λ c = 0.01$
轨迹3	$λ v = 0.14$ ， $λ t = 0.04$ ， $λ c = 0.15$
轨迹4	$λ v = 0.14$ ， $λ t = 0.02$ ， $λ c = 0.19$

[1]	王四季, 张羽薇, 黄开明, 吕彪, 赵海凤, 王虎, 廖明夫. 基于改进粒子群算法的直升机动力涡轮转子系统优化方法[J]. 航空学报, 2024, 45(1): 228608-228608.
[2]	邵干, 张曙光, 唐鹏. 小型无人机气动参数辨识的新型HGAPSO算法[J]. 航空学报, 2017, 38(4): 120365-120365.
[3]	张金凤, 何重阳, 梁彦. 面向再入目标跟踪的估计与辨识联合优化算法[J]. 航空学报, 2016, 37(5): 1634-1643.
[4]	倪杨, 徐元铭. 金属次加筋结构的单轴压载稳定性优化[J]. 航空学报, 2015, 36(5): 1511-1519.
[5]	杨宇晓, 周建江, 陈军, 莫乾坤. 基于最大条件熵的射频隐身数据链猝发通信模型[J]. 航空学报, 2014, 35(5): 1385-1393.
[6]	徐家宽, 白俊强, 黄江涛, 乔磊, 董建鸿, 雷武涛. 考虑螺旋桨滑流影响的机翼气动优化设计[J]. 航空学报, 2014, 35(11): 2910-2920.
[7]	王元元, 张彬乾, 郭兆电, 董强. 基于FFD技术的大型运输机上翘后体气动优化设计[J]. 航空学报, 2013, 34(8): 1806-1814.
[8]	甘旭升, 端木京顺, 孟月波, 丛伟. 基于粒子群优化的WNN飞行数据气动力建模[J]. 航空学报, 2012, 33(7): 1209-1217.
[9]	秦玉灵, 孔宪仁, 罗文波. 多铺层碳纤维蜂窝板模型修正[J]. 航空学报, 2011, 32(4): 636-648.
[10]	李俨;董玉娜. 基于SA-DPSO混合优化算法的协同空战火力分配[J]. 航空学报, 2010, 31(3): 626-631.
[11]	孙美建;詹浩. 基于全局信息的粒子群算法翼型综合优化设计[J]. 航空学报, 2010, 31(11): 2166-2173.
[12]	王允良;李为吉. 基于混合多目标粒子群算法的飞行器气动布局设计[J]. 航空学报, 2008, 29(5): 1202-1206.
[13]	王允良;李为吉. 物理规划方法及其在飞机方案设计中的应用[J]. 航空学报, 2005, 26(5): 562-566.
[14]	陈利斌;佟明安. 引入神经网络的交互式多模型算法[J]. 航空学报, 2001, 22(1): 54-56.
[15]	彭永华;吴俊杰. 采用自适应滤波技术的机载雷达跟踪系统[J]. 航空学报, 1988, 9(4): 192-199.

基于改进“当前”统计模型的再入目标跟踪算法

Reentry target tracking algorithm based on improved “current” statistical model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价