论文部分内容阅读
再入弹道目标跟踪是弹道导弹防御系统的核心问题,跟踪系统性能的优劣直接影响着对弹道导弹的拦截成功率。跟踪的任务就是解决如何从观测设备(如卫星、雷达、传感器等)中得到的混杂有干扰与噪声的观测信号里及时、准确的恢复出目标的运动信息,这个过程也称作滤波。20世纪60年代初提出的Kalman滤波是基于时域状态空间模型下的最优自回归递推算法,这种滤波算法克服了维纳滤波无法对多变量、非平稳随机过程进行估计及只适于频域的缺点,适用于计算机实时递推计算,因此广泛应用于目标跟踪、导航测算、自动控制等领域。本文以再入弹道目标跟踪这一典型的非线性滤波为应用背景,研究了Kalman滤波及其常见改进算法在此问题中的应用情况。数学模型是研究滤波问题的基础。模型是否精确直接影响滤波估计精度,甚至影响滤波器稳定性。本文从Kalman滤波状态空间模型中的动力学模型入手,分析多种常见目标模型的原理、特点,结合传感器坐标系下观测方程特性,针对非线性条件下目标动力学模型和观测模型在不同坐标系间转换时存在的问题,探讨研究了基于混合坐标系下对再入弹道目标跟踪的解决方法。推导了再入弹道目标在三维ENU坐标系下的状态空间模型和二维垂直平面直角坐标系下的状态空间模型,并在此基础上分别进行了弹道生成的仿真。对弹道系数这一重要的再入弹道目标动力学参数的估计策略进行了初步研究。经典Kalman滤波是基于线性高斯模型下的最优滤波,近几十年来如何在非线性条件下使用Kalman滤波始终是研究者关注的热点和焦点。本文从贝叶斯滤波通式入手,推导了基于极大后验估计准则下的最优Kalman滤波,论述了算法预测-修正自回归的运行机制。实现了EKF和UKF两种改进Kalman滤波器在再入弹道目标跟踪中的算法步骤推导,在不同的弹道系数取值条件下对两种算法的性能进行了对比仿真。针对EKF和UKF在实际应用中存在的不足,本文提出了一种基于无迹Rauch-Tung-Striebel平滑器的UKF双向滤波改进算法(URTSS-UKF)。仿真结果显示在计算时间有限增加的情况下,改进算法的收敛速度和滤波稳定性优于UKF。