【技術實現步驟摘要】
本專利技術屬于追蹤器制導控制，特別是涉及一種基于改進singer模型的大機動目標建模與跟蹤方法。
技術介紹
1、提高目標狀態的估計精度，實現穩定可靠且精確的目標跟蹤，具有重要的現實意義。然而，不管是通過追蹤器自身導引頭還是地面測量設備，目標機動加速度都是無法直接測得的，所以需要利用可測信息對目標機動加速度進行估計。此外，為了進行精確制導，還需要根據導引頭提供的測量信息對視線角速率進行估計。現有的許多模型不能準確描述目標的運動狀態，尤其是目標的加速度信息等。
技術實現思路
1、本專利技術是針對大機動目標跟蹤過程中目標加速度的估計與濾波器的設計問題，提出了一種基于改進singer模型的大機動目標建模與跟蹤方法。
2、本專利技術是通過以下技術方案實現的，本專利技術提出一種基于改進singer模型的大機動目標建模與跟蹤方法，所述方法包括以下步驟：
3、步驟一：根據目標與追蹤器的位置關系，推導在視線坐標系下的追蹤器與目標相對運動方程；
4、步驟二：采用singer模型，在視線坐標系下引入加加速度這一狀態變量，建立目標的十二階狀態模型；
5、步驟三：對目標的十二階狀態模型進行可觀性分析；
6、步驟四：基于所述十二階狀態模型，建立跟蹤濾波器模型，通過導引頭測得的相對距離、相對速度和視線角信息，進行擴展卡爾曼濾波器設計，實現目標加速度和視線角速率的估計；
7、步驟五：利用所估計的視線角速率進行制導仿真。
8、進一步
9、進一步地，在步驟一中，目標—追蹤器視線矢量表示為
10、r＝pt-p???(1)
11、其中，pt和p分別代表目標和追蹤器在慣性坐標系中的位置矢量；
12、對式(1)相對時間微分，得到
13、
14、其中，dr/dt和δr/δt分別代表視線矢量在慣性坐標系和視線坐標系中相對時間求導，ωx代表視線坐標系相對慣性坐標系的旋轉角速度，vt和v分別代表目標和追蹤器速度矢量；上式寫成在視線坐標系中的投影形式為：
15、
16、其中，
17、
18、將式(4)帶入式(3)，可得
19、
20、把式(5)相對時間求導，得到
21、
22、投影到視線坐標系下，其中，
23、
24、將(5)帶入，化簡可得運動方程為：
25、
26、其中，ar、aε和aβ是追蹤器加速度在視線坐標系三個軸上的分量，atr、atε和atβ是目標加速度在視線坐標系三個軸上的分量。
27、進一步地，在步驟二中，建立目標的十二階狀態模型，具體為：
28、將式(5)帶入到式(8)可得
29、
30、其中，vr、vε和vβ是追蹤器相對速度矢量在視線坐標系三個軸上的分量；為了獲得更加精確的大機動目標加速度信息，選取加加速度作為狀態變量，采用singer模型，選取狀態變量為：
31、
32、綜上，可以得到如式(11)所示的十二階狀態模型：
33、
34、其中wr、wε、wβ是方差為q的高斯白噪聲，λr、λε、λβ是目標機動頻率；選取相對距離r、相對速度高低角qε和方位角qβ作為測量量。
35、進一步地，在步驟三中，根據引理1可知十二階狀態模型局部弱可觀的判定條件，具體為：
36、引理1對于十二階狀態模型有：
37、σ：
38、dg是元素為dlf(…(lf(gi)))形式的有限線性組合，其中
39、dg＝[dg1?…?dgm?dlf(gi)?…?dlf(…(lf(gi)))]
40、
41、若dg在任意x處的維度是n，則稱σ滿足可觀性秩條件，即σ是局部弱可觀的，對于十二階狀態模型，可以求得
42、
43、dh＝[h01?h02?h03?h04?h11?h12?h13?h14?h21?h22?h23?h24]
44、通過以上計算結果可以得到rank(dh)＝12，十二階狀態模型滿足可觀性秩條件，即十二階狀態模型是局部弱可觀的。
45、進一步地，在步驟四中，由式(5)可知根據導引頭測量信息，可以測得相對距離r、相對速度高低角qε和方位角qβ，因此，測量矩陣為：
46、
47、綜合以上可以得到跟蹤濾波器的模型為：
48、
49、其中，x∈r12和y∈r4是濾波器的測量輸出，w和v是系統噪聲和測量噪聲，且二者均為高斯白噪聲。
50、進一步地，基于跟蹤濾波器模型設計擴展卡爾曼濾波器的步驟具體為：
51、第一步，對十二階狀態模型進行線性化處理，得到雅可比矩陣φk：
52、
53、第二步，預測狀態先驗估計值xk+1|k：
54、xk+1|k＝f(xk|k)???(14)
55、第三步，預測協方差矩陣的先驗估計值pk+1|k：
56、pk+1|k＝φkpk|kφkt+q???(15)
57、第四步，根據得到的先驗估計值計算狀態增益矩陣kk+1：
58、kk+1＝pk+1|khk+1t(hk+1pk+1|khk+1t+r)-1???(16)
59、第五步，根據狀態增益矩陣修正得到狀態后驗估計值xk+1|k+1：
60、xk+1|k+1＝xk+1|k+kk+1(zk+1-hxk+1|k)???(17)
61、第六步，根據狀態增益矩陣修正得到協方差后驗估計值pk+1|k+1。
62、進一步地，所述協方差后驗估計值pk+1|k+1為：
63、pk+1|k+1＝(i-kk+1h)pk+1|k???(18)。
64、本專利技術還提出一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現所述一種基于改進singer模型的大機動目標建模與跟蹤方法的步驟。
65、本專利技術還提出一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時實現所述一種基于改進singer模型的大機動目標建模與跟蹤方法的步驟。
66、本專利技術的有益效果：
67、本專利技術提出了一種將singer模型與非線性濾波結合的方法，引入目標的加加速度作為狀態變量，建立了狀態模型，驗證了該非線性狀態模型的可觀性，通過導引頭獲得的相對距離、相對速度和視線角速率信息，進行強機動目標加速度和視線角速率的估計，并針對制導本文檔來自技高網...
【技術保護點】
1.一種基于改進Singer模型的大機動目標建模與跟蹤方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，在步驟一中，根據追蹤器與目標的相對運動關系建立坐標系，所述坐標系中：xyz表示發射點慣性坐標系的三個坐標軸，x4y4z4表示視線坐標系的三個坐標軸，R表示追蹤器與目標之間的相對距離，qε和qβ分別表示高低角與方位角。
3.根據權利要求2所述的方法，其特征在于，在步驟一中，目標—追蹤器視線矢量表示為
4.根據權利要求3所述的方法，其特征在于，在步驟二中，建立目標的十二階狀態模型，具體為：
5.根據權利要求4所述的方法，其特征在于，在步驟三中，根據引理1可知十二階狀態模型局部弱可觀的判定條件，具體為：
6.根據權利要求5所述的方法，其特征在于，在步驟四中，由式(5)可知根據導引頭測量信息，可以測得相對距離r、相對速度高低角qε和方位角qβ，因此，測量矩陣為：
7.根據權利要求6所述的方法，其特征在于，基于跟蹤濾波器模型設計擴展卡爾曼濾波器的步驟具體為：
8.根據權利
9.一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1-8任一項所述方法的步驟。
10.一種計算機可讀存儲介質，用于存儲計算機指令，其特征在于，所述計算機指令被處理器執行時實現權利要求1-8任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于改進singer模型的大機動目標建模與跟蹤方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，在步驟一中，根據追蹤器與目標的相對運動關系建立坐標系，所述坐標系中：xyz表示發射點慣性坐標系的三個坐標軸，x4y4z4表示視線坐標系的三個坐標軸，r表示追蹤器與目標之間的相對距離，qε和qβ分別表示高低角與方位角。
3.根據權利要求2所述的方法，其特征在于，在步驟一中，目標—追蹤器視線矢量表示為
4.根據權利要求3所述的方法，其特征在于，在步驟二中，建立目標的十二階狀態模型，具體為：
5.根據權利要求4所述的方法，其特征在于，在步驟三中，根據引理1可知十二階狀態模型局部弱可觀的判定條件，具體為...
【專利技術屬性】
技術研發人員：周荻，王慶超，李思遠，張茜，何源，胡鑫，鄒昕光，
申請(專利權)人：哈爾濱工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。