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

Abstract

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

CLC Number:

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.

Figures/Tables 8

Fig.1

Fig.2

Table 1

Scaling coefficient optimization results

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	$λ v = 0.14$ ， $λ t = 0.02$ ， $λ c = 0.19$

Table 1

Fig.3

Fig.4

Fig.5

Fig.6

Table 2

Parameter setting of reentry target tracking algorithm

目标轨迹

机动频率

气动加速度

轨迹1

$υ v = 1 / 60$ Hz

$υ t = 1 / 20$ Hz

$υ c = 1 / 100$ Hz

$a l i m, v = 3$ m/s²

$a l i m, t = 1$ m/s²

$a l i m, c = 7$ m/s²

轨迹2

$υ v = υ t = 1 / 60$ Hz

$υ c = 1 / 100$ Hz

$a l i m, v = 3$ m/s²

$a l i m, t = 2$ m/s²

$a l i m, c = 7$ m/s²

轨迹3

$υ v = υ c = 1 / 20$ Hz

$υ t = 1 / 20$ Hz

$a l i m, v = 4$ m/s²

$a l i m, t = 1$ m/s²

$a l i m, c = 11$ m/s²

轨迹4

$υ v = υ c = 1 / 20$ Hz

$υ t = 1 / 60$ Hz

$a l i m, v = 4$ m/s²

$a l i m, t = 2$ m/s²

$a l i m, c = 11$ m/s²

Table 2

References 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）.

[1]	Fang GUO, Wei HAN, Yujie LIU, Jie LIU, Xichao SU, Liangliang CHENG. Scheduling for maintenance and service support of carrier-based aircraft based on variable operation process [J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(13): 531195-531195.
[2]	ZHANG Jinfeng, HE Chongyang, LIANG Yan. Joint optimization algorithm of estimation and identification for reentry target tracking [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2016, 37(5): 1634-1643.

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

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 8

References 22

Related Articles 2

Recommended Articles

Metrics

Comments