郭相科,劉昌云,張雅艦,韋　剛,王　剛

(1.北京航空航天大學(xué),北京　100191;2.空軍工程大學(xué),陜西 西安　710051)

?

臨近空間高超聲速目標跟蹤方法研究*

郭相科1,2,劉昌云2,張雅艦2,韋剛2,王剛2

(1.北京航空航天大學(xué),北京100191;2.空軍工程大學(xué),陜西 西安710051)

臨近空間高超聲速目標跟蹤技術(shù)研究在空天防御系統(tǒng)中具有重要軍事意義和理論價值。本文綜述了臨近空間高超聲速目標跟蹤中的目標運動建模、目標跟蹤算法等研究內(nèi)容的研究進展,并對其存在的問題進行了深入分析。針對這類目標跟蹤存在的問題,結(jié)合臨近空間高超聲速目標探測跟蹤需求,指出了臨近空間高超聲速目標跟蹤技術(shù)的研究思路,為相關(guān)研究提供了參考。

臨近空間;高超聲速飛行器;目標跟蹤;運動模型;跟蹤算法;交互式多模型

隨著美軍臨近空間高超聲速飛行器項目[1-3]的日益成熟,具有飛行跨域大、速度快、飛行高度高、氣動參數(shù)變化復(fù)雜等特點的臨近空間高超聲速飛行器對傳統(tǒng)防空反導(dǎo)系統(tǒng)的攔截打擊能力構(gòu)成了嚴重挑戰(zhàn)[4-6]。在雷達檢測過程中,這類目標容易出現(xiàn)“三跨”現(xiàn)象[7];在雷達跟蹤過程中,這類目標具有橫向機動且飛行高度較低、雷達的發(fā)現(xiàn)時間晚、探測跟蹤時間短的特點,加之這類目標借助氣動力產(chǎn)生機動,而跟蹤模型中很難對目標的氣動力準確建模,導(dǎo)致跟蹤誤差大,甚至無法跟蹤[8]。這類目標機動樣式的發(fā)展使目標運動狀態(tài)變化規(guī)律向著非線性、高動態(tài)的方向發(fā)展,從而對防空反導(dǎo)系統(tǒng)的攔截打擊能力構(gòu)成了嚴重挑戰(zhàn),對未來戰(zhàn)爭的作戰(zhàn)模式、作戰(zhàn)過程及戰(zhàn)爭結(jié)局將產(chǎn)生顛覆性影響[9-10]。因此,開展臨近空間高超聲速目標的探測跟蹤理論及關(guān)鍵技術(shù)研究,對保障我國空天安全、促進空天防御技術(shù)發(fā)展具有重要意義。

1　臨近空間高超聲速目標特性分析

1.1臨近空間高超聲速目標運動特性分析

臨近空間高超聲速機動目標的飛行馬赫數(shù)在 5-25之間;巡航高度范圍主要在 20km-100km 的臨近空間;且其機動能力強,典型飛行軌跡為跳躍式飛行軌道,飛行參數(shù)難以測量[2-6],臨空高超聲速機動目標的典型運動軌跡與彈道目標和空氣動力學(xué)目標的區(qū)別如圖1所示。

圖1　臨近空間高超聲速機動目標與彈道目標及空氣動力學(xué)目標的區(qū)別

臨近空間高超聲速機動目標在整個飛行過程中,其目標的運動特性具有彈道導(dǎo)彈和空氣動力學(xué)目標的雙重特性:

1)臨空高超聲速目標高速飛行過程中既具有彈道導(dǎo)彈類目標的高速特性,又不具有彈道導(dǎo)彈目標的軌跡可預(yù)測性。既可縱向跳躍滑翔機動,又可橫向機動;

2)臨空高超聲速目標具有空氣動力學(xué)目標的高機動特性,但其飛行高度是超出空氣動力學(xué)目標的臨近空間,飛行速度遠超空氣動力學(xué)目標,且氣動參數(shù)變化復(fù)雜,機動樣式靈活。

1.2臨近空間高超聲速目標跟蹤的挑戰(zhàn)

對臨空高超聲速目標的實時高精度跟蹤是攔截打擊目標的基礎(chǔ),但機動目標的精確跟蹤在理論和技術(shù)上一直都是一個難題,其困難主要源于兩種不確定性[11-12]:一是目標運動方式的不確定性,二是在測量過程中,由于環(huán)境的不確定性,也會造成測量值的不確定性。

1)目標運動方式的不確定性,是指被跟蹤目標的運動模式、參數(shù)及其演變規(guī)律對于觀測方是未知的。當建立的目標運動模型與目標真實狀態(tài)不一致時,預(yù)測狀態(tài)與目標真實狀態(tài)失配,會造成跟蹤性能的嚴重下降甚至失效。解決目標運動方式不確定性的主流方法是建立機動目標狀態(tài)-空間模型,并利用濾波跟蹤算法實現(xiàn)對目標的實時跟蹤。臨近空間高超聲速目標由于其高速,且氣動參數(shù)變化復(fù)雜,導(dǎo)致其運動樣式極其復(fù)雜,很難建立符合其運動特點的運動模型。

2)解決環(huán)境的不確定性主要采用機動檢測和機動辨識,從而自適應(yīng)調(diào)整測量和狀態(tài)誤差,或自適應(yīng)調(diào)整目標狀態(tài)-空間模型。但目標的高超聲速特點很難實時地進行機動檢測和辨識。

因此,針對臨近空間高超聲速目標的跟蹤,如何建立符合臨近空間高超聲速目標運動特性的目標運動模型;如何通過機動檢測和機動辨識,自適應(yīng)調(diào)整測量和狀態(tài)誤差,或自適應(yīng)調(diào)整目標狀態(tài)-空間模型,是實現(xiàn)對其穩(wěn)定跟蹤需要解決的兩個關(guān)鍵問題。

2　臨近空間高超聲速目標跟蹤研究現(xiàn)狀

目標跟蹤的研究主要涉及兩個方面:目標的運動特性建模;濾波跟蹤算法[11-12]。針對臨近空間高超聲速目標的跟蹤問題,許多學(xué)者在目標運動模型、濾波跟蹤算法等方面進行了深入研究,并取得了大量的研究成果。

2.1臨近空間高超聲速目標運動模型

目標運動模型不僅是目標跟蹤的重要基礎(chǔ),也是從運動機理上解決目標跟蹤問題的基本方法[13]。目標運動模型的分析和研究主要基于兩個方面:1)近似化輸入?yún)?shù)滿足某種隨機分布;2)以經(jīng)過正確選擇的參數(shù)描述的運動模型的組合來表示目標運動航跡。

大多數(shù)的機動目標跟蹤算法都是基于目標運動模型,通過目標運動模型來描述目標狀態(tài)隨著時間而變化的過程。根據(jù)對目標運動特性分析和描述方法的不同,目前的機動目標運動模型從建模方法上大致可以分為四類[13-14]:統(tǒng)計特性建模、動力學(xué)建模、運動學(xué)特性建模和參數(shù)化函數(shù)建模。

1)統(tǒng)計特性建模:這種建模方法是一種通用性較強的粗糙建模方法,主要用于缺乏運動規(guī)律先驗信息的目標運動建模。目前用于描述目標機動表征量的隨機過程主要有白噪聲、維納過程、零均值和非零均值一階馬爾科夫過程、半馬爾科夫過程,如白噪聲加速度模型、維納過程加速度模型、Singer加速度模型、一階馬爾科夫過程Jerk模型等[13]。

文獻[15]在對高超聲速滑翔再入飛行器跟蹤中,采用一階馬爾科夫過程描述氣動力參數(shù),將過程噪聲方差構(gòu)造為氣動參數(shù)方差和機動時間常數(shù)的函數(shù),時變氣動力參數(shù)方差采用“漸消記憶”的統(tǒng)計方法由氣動力參數(shù)估計值序列統(tǒng)計獲得,存在跳變的機動時間常數(shù)則作為運動模式采用交互多模型方法與運動狀態(tài)一起估計,通過仿真表明了該建模方法的有效性。

2)動力學(xué)建模:動力學(xué)建模是依據(jù)目標受力分析來建立目標加速度或Jerk的物理參數(shù)模型,這種建模方法主要用于空間目標和彈道目標的運動建模。

文獻[16]根據(jù)吸氣式高超聲速目標的動力學(xué)特性,在重力轉(zhuǎn)彎模型框架中,基于超燃沖壓發(fā)動機的推力產(chǎn)生機理以及高超聲速流場的斜激波方程和普朗特梅葉方程,提出了面向跟蹤的動力學(xué)混合模型,但非解析解結(jié)構(gòu)難以應(yīng)用于線性化方法的濾波器設(shè)計。

3)運動學(xué)特性建模:運動學(xué)特性建模方法不考慮目標運動的原因,而是直接建立狀態(tài)模型描述目標的運動學(xué)規(guī)律,這種建模方法主要用于描述目標轉(zhuǎn)彎運動。

文獻[17-18]根據(jù)臨近空間高超聲速目標在巡航段跳躍飛行的特點,假設(shè)目標角速度為一階時間相關(guān)過程,提出了一種修正的轉(zhuǎn)彎模型(Modified Coordinate Turn,MCT)。文獻[19]針對速滑躍式高超聲機動目標的周期性滑躍式機動的特點,將目標加速度建模為具有正弦波自相關(guān)的零均值隨機過程,并推導(dǎo)了目標的狀態(tài)方程。

4)參數(shù)化函數(shù)建模:參數(shù)化函數(shù)建模是用一組特定的空間曲線逼近目標運動狀態(tài)[13],常用方法有多項式、樣條、微分方程和經(jīng)驗公式等。這種建模方法不依賴過多的目標運動先驗信息,而是直接利用了目標運動狀態(tài)的時空光滑性。

2.2臨近空間高超聲速目標濾波跟蹤算法

目標的濾波跟蹤算法往往與目標運動模型是緊密相關(guān),一個好的運動模型結(jié)合適合的濾波跟蹤算法,才能得到對目標精確的狀態(tài)估計[11-12]。有了目標狀態(tài)模型和實時狀態(tài)估計算法,機動目標跟蹤要解決的主要問題就是模型如何實時匹配目標運動方式。從目標運動方式匹配的角度,解決機動目標跟蹤的方法主要分為單模型方法和多模型方法。

2.2.1單模型跟蹤方法

單模型跟蹤算法需要通過實時調(diào)整狀態(tài)模型和濾波算法來實現(xiàn)對目標的穩(wěn)定準確跟蹤。目前,在量測模型完全已知的條件下,國內(nèi)外對單模型跟蹤算法的研究主要可歸納為三個方面:一是研究如何調(diào)整狀態(tài)模型以減小模型失配程度,盡可能滿足濾波算法的最優(yōu)估計條件;二是研究如何調(diào)整濾波算法來實現(xiàn)模型失配條件下的次優(yōu)穩(wěn)定濾波;三是研究如何聯(lián)合調(diào)整模型與濾波算法。

文獻[17-18]針對傳統(tǒng)單模型不能有效跟蹤臨近空間高超聲速機動目標的問題,提出了一種修正的轉(zhuǎn)彎模型(MCT),結(jié)合擴展卡爾曼濾波,研究了臨近空間高超聲速機動目標巡航段跳躍飛行的跟蹤,通過仿真表明了算法的有效性,但針對目標不同階段的不同運動特性,文獻沒有給出進一步的研究。文獻[20]等提出了一種基于不敏卡爾曼濾波的改進“當前”統(tǒng)計模型自適應(yīng)濾波算法用于此類目標的跟蹤,理論上取得了良好的跟蹤效果,但該算法沒有給出算法中比例常數(shù)C的確定方法。文獻[21]等針對具有跳躍式機動的“助推+滑翔”臨近空間目標,建立其特定的目標運動模型,并采用特定目標模型的Kalman 濾波算法實現(xiàn)對高機動目標的狀態(tài)估計,但該方法沒有針對其他機動樣式的有效性進一步研究。文獻[22]從自適應(yīng)的調(diào)節(jié)卡爾曼濾波增益的角度提出了一種基于改進 Jerk模型的強跟蹤濾波器的高機動目標跟蹤算法,通過仿真驗證算法的有效性,但跟蹤算法中需要考慮機動頻率的選取、遺忘因子的選取。

2.2.2多模型跟蹤方法

由于目標機動樣式的復(fù)雜性,單模型不可能匹配所有的目標機動樣式,因此難以進一步提高跟蹤精度。交互多模型方法為解決機動目標提供了新的思路,其基本思想是預(yù)設(shè)多個模型及匹配濾波器來覆蓋目標可能的運動模式,通過計算每個模型的后驗概率,對各濾波器狀態(tài)估計值進行概率加權(quán)得到目標狀態(tài)的融合估計[23]。

基本的交互多模型采用預(yù)設(shè)好的目標模型集,當預(yù)設(shè)的模型集與目標的實際機動狀態(tài)一致時,將獲得較好的跟蹤性能;為保證對目標運動狀態(tài)的完全覆蓋,預(yù)設(shè)的模型集將會很龐大,而預(yù)設(shè)模型的增加集必將帶來計算量的增加。變結(jié)構(gòu)多模型(VSMM.Variable Structure Multiple-Model)方法通過預(yù)設(shè)大模型集,通過對測量值、先驗信息和后驗信息的綜合利用,從大模型集中選取與目標運動特性相匹配的小模型集,從而使模型集自適應(yīng)于目標的運動模式[23-25]。針對臨近空間高超聲速機動目標的跟蹤,很多研究者采用交互多模型方法,取得了較好的跟蹤效果。

文獻[26]等從跟蹤傳感器及跟蹤算法兩個方面,提出多模型方法是跟蹤臨近空間高超聲速機動目標的可行方法。在前文研究的基礎(chǔ)上,研究了交互多模型(IMM)算法對其進行跟蹤的可行性[27]。文獻[28]等考慮目標加速度均值和方差隨目標機動變化,引入?yún)⒖技铀俣群虲V模型的交互多模型算法,來實現(xiàn)臨近空間高超聲速目標的跟蹤問題,但該方法需要使用目標機動的先驗信息。文獻[29]在ADE-IMM算法的基礎(chǔ)上,提出了轉(zhuǎn)移概率自適應(yīng)ADE-IMM算法,仿真表明了算法的有效性,但算法中狀態(tài)轉(zhuǎn)移概率初始值的設(shè)置影響算法的性能。文獻[18,30-31]等提出了一種基于 SCT-IMM 的多模型跟蹤方法,并進一步提出了基于有向圖的變結(jié)構(gòu)多模型(DG-VSMM)跟蹤算法,對臨近空間高超聲速飛行器進行跟蹤,但需要針對臨空高超聲速目標的特點,設(shè)計更有針對性的跟蹤算法。文獻[15]采用“漸消記憶”法估計高超聲速飛行器的時變動力學(xué)參數(shù),采用交互多模型方法,實現(xiàn)了目標的運動狀態(tài)和氣動參數(shù)的一起估計,但模型交互復(fù)雜,計算量大。文獻[32]采用多站跟蹤方法對臨空高超聲速目標進行跟蹤,并通過仿真表明基于多站的交互式多模型-無跡卡爾曼濾波算法的有效性,但計算量較大,在維數(shù)大于3時需要考慮新的濾波算法。文獻[33]中提出了一種自適應(yīng)網(wǎng)格交互多模型跟蹤算法用于臨近空間高超聲速機動目標的跟蹤,所提方法相比于固定結(jié)構(gòu)交互式多模型算法極大減少了計算量。文獻[34]提出了基于修正轉(zhuǎn)彎模型的交互多模型跟蹤算法,該算法修正了傳統(tǒng)轉(zhuǎn)彎模型,利用“當前”統(tǒng)計模型思想對目標角速度進行實時估計,仿真表明了算法的有效性,但針對臨近開機高超聲速飛行器不同階段的運動特性,該算法沒有考慮如何調(diào)整模型參數(shù)和模型數(shù)量。文獻[35]針對臨近空間目標飛行速度快、機動特性強和加速度突變的特性,提出一種地心直角(ECEF)坐標系下基于目標特性分析的修正強跟蹤濾波(MSTF)算法,仿真結(jié)果表明該算法具有較高的定位跟蹤精度,該算法重點是對目標的滑躍式機動特性進行跟蹤,針對目標的其他機動特性需要進一步研究。文獻[36]在文獻[19]的基礎(chǔ)上,針對目標的滑躍式機動,提出采用基于CV-CA正弦波模型的交互多模型算法進行跟蹤,仿真結(jié)果表明算法對臨近空間高超聲速滑躍式機動目標具有較好的跟蹤效果,但沒有探討對其他機動跟蹤的有效性。

在天基紅外傳感器對這類目標跟蹤方面,文獻[37]提出了將基于Sigma點卡爾曼濾波的交互式多模型(SPKF-IMM)算法用于天基低軌紅外衛(wèi)星對臨近空間高超聲速飛行器的跟蹤,仿真表明了算法的有效性。文獻[38]等提出了一種基于約束總體最小二乘與自適應(yīng)交互式多模型濾波相結(jié)合的實時跟蹤濾波算法實現(xiàn)對目標飛行器進行實時跟蹤,但沒有給出多顆星如何部署及協(xié)同交互。

2.3臨近空間高超聲速目標跟蹤問題分析

綜合以上分析可知,對這類目標的跟蹤研究目前還存在以下幾個方面的問題。

1)目標運動特性建模方面,目前的研究主要是針對特定目標特定運動方式的運動建模,缺少符合臨近空間高超聲速目標典型運動特性的目標運動模型。由于臨近空間高超聲速目標運動方式的不確定性,很難有效建立適應(yīng)各種運動方式的目標模型。

2)在目標的自適應(yīng)跟蹤算法方面,主要分為單模型和多模型兩類典型的自適應(yīng)跟蹤算法。單模型跟蹤算法雖然可以通過調(diào)整模型和濾波算法實現(xiàn)穩(wěn)定跟蹤,但由于目標機動樣式的復(fù)雜性,單模型不可能匹配所有的目標機動樣式,因此難以進一步提高跟蹤精度。多模型跟蹤算法研究的主要是各種模型集的設(shè)計和模型集的自適應(yīng)調(diào)整,實現(xiàn)臨空高超聲速目標的精確跟蹤。但由于這類目標運動方式的復(fù)雜性,很難設(shè)計一個覆蓋各種運動方式的模型集;不同時刻,目標運動方式的覆蓋和實時自適應(yīng)匹配也是一直沒有有效解決的難題。

3)目前目標跟蹤過程的研究,只注重了雷達、光學(xué)等單傳感器的跟蹤研究。由于臨近空間高超聲速目標的大范圍持續(xù)機動的特性,單平臺/傳感器只能形成較短時間的目標觀測,無法實現(xiàn)目標全程飛行的連續(xù)觀測。多平臺/多傳感器協(xié)同跟蹤是完成臨近空間高超聲速目標全程跟蹤的必然選擇,但多傳感器的協(xié)同信息處理又是一個難題。

4)目前臨近空間高超聲速目標跟蹤過程中將目標視為點目標來處理,僅僅利用傳感器獲取的目標運動學(xué)參數(shù)(如位置、速度、加速度等)進行跟蹤處理,忽視了對傳感器獲取的其他特征信息的利用,如目標幅度特征、目標頻率特征、目標極化特征、目標距離像特征及目標其他特征信息[39],而由于臨近空間高超聲速目標的機動特殊性,僅利用目標運動學(xué)參數(shù)無法實現(xiàn)這類目標的穩(wěn)定跟蹤。

3　臨近空間高超聲速目標跟蹤研究思考

通過臨近空間高超聲速目標跟蹤的研究現(xiàn)狀及存在的問題分析可知,針對臨近空間高超聲速目標的跟蹤,可以考慮以下幾個研究思路。

1)在目標的運動建模方面,由于臨近空間高超聲速目標運動的特殊性,需要結(jié)合臨近空間高超聲速目標的運動特點,結(jié)合目標特性方面的研究成果,充分利用目標的先驗信息,從目標的動力學(xué)特性和運動學(xué)特性等方面,對目標的運動學(xué)特性進行準確建模。

2)在目標的自適應(yīng)跟蹤算法方面,在繼續(xù)研究單模型自適應(yīng)跟蹤算法的基礎(chǔ)上,需要重點關(guān)注交互多模型跟蹤算法的研究,如何將復(fù)雜模型集(如由粗糙模型和精確模型構(gòu)成的混合模型集)與多模型算法有機結(jié)合,通過模型集的自適應(yīng)調(diào)整,以最少的模型實現(xiàn)對目標多樣且時變的運動模式的覆蓋和實時準確匹配。

3)通過空天地多傳感器協(xié)同跟蹤可以充分利用各類傳感器獲取的信息,擴展了時間空間感知范圍,提高系統(tǒng)的生存能力、降低信息模糊度、改進目標的跟蹤性能[11-12]。但需要針對臨近空間高超聲速目標的特點,充分利用各類傳感器獲取的特性信息進行協(xié)同信息處理。隨著導(dǎo)彈攔截、機動目標跟蹤等需求推動以及傳感器技術(shù)本身的發(fā)展,利用目標特征信息輔助跟蹤(feature aided tracking,FAT)的方法越來越受到關(guān)注[39-43]。因此,針對臨近空間高超聲速機動目標,可以考慮充分利用多傳感器獲取的運動信息和各類特征信息及目標的先驗運動模式等信息,通過輔助特征信息實現(xiàn)目標的精確跟蹤。

4)目前,大部分的多傳感器信息系統(tǒng)或處理方法均是將傳感器信息獲取與融合處理采用分離序貫結(jié)構(gòu),鮮有有效的方法將融合結(jié)果用于復(fù)雜動態(tài)異構(gòu)多傳感器平臺的聯(lián)合優(yōu)化[44-46]。針對臨近空間高超聲速目標的跟蹤,分離序貫式結(jié)構(gòu)將無法滿足對其跟蹤的需求,需要以提高融合跟蹤精度為目標,進行信息獲取與融合的聯(lián)合優(yōu)化,實現(xiàn)目標的精確跟蹤。

4　結(jié)束語

綜上所述,盡管目前臨近空間高超聲速機動目標的威脅已經(jīng)得到了較為廣泛的關(guān)注,但針對臨近空間高超聲速機動目標的跟蹤技術(shù)研究目前還在起步階段。本文綜述了臨近空間高超聲速目標跟蹤技術(shù)的研究現(xiàn)狀,指出了目前研究存在的問題,結(jié)合臨近空間高超聲速目標的運動特點,給出了臨近空間高超聲速目標可能的研究思路,為相關(guān)研究提供了參考。

[1]黃偉,羅世彬,王振國.臨近空間高超聲速飛行器關(guān)鍵技術(shù)及展望[J].宇航學(xué)報,2010,31(5):1259-1265.

[2]李淑艷,任利霞,宋秋貴,等.臨近空間高超音速武器防御綜述[J].現(xiàn)代雷達,2014,36(6):13-18.

[3]聶萬勝,羅世彬,豐松江,等.近空間飛行器關(guān)鍵技術(shù)及其發(fā)展趨勢分析[J].國防科技大學(xué)學(xué)報,2012,34(2): 107-113.

[4]胡正東,曹淵,張士峰,等.高超聲速跳躍式飛行器彈道特性分析與優(yōu)化設(shè)計[J].宇航學(xué)報,2008,29(3):821-825.

[5]陳小慶,侯中喜,劉建霞.高超聲速滑翔飛行器彈道特性分析[J].導(dǎo)彈與航天運載技術(shù),2011(2):5-9.

[6]汪連棟,曾勇虎,高磊,等.臨近空間高超聲速目標雷達探測技術(shù)現(xiàn)狀與趨勢[J].信號處理,2014,30(1):72-85.

[7]駱成,李軍,何子述,等.高速運動平臺MIMO雷達“三跨”補償研究[J].電子科技大學(xué)學(xué)報,2014,43(1):36-41.

[8] 雍恩米,錢煒祺,何開鋒.基于雷達跟蹤仿真的滑翔式再入彈道突防性能分析[J].宇航學(xué)報,2012,33(10):1370:1376.

[9]金欣,梁維泰,王俊,等.反臨近空間目標作戰(zhàn)的若干問題思考[J].現(xiàn)代防御技術(shù),2013,41(6): 1-7.

[10]戴靜,程建,郭銳.臨近空間高超聲速武器防御及關(guān)鍵技術(shù)研究[J].裝備指揮技術(shù)學(xué)院學(xué)報,2010,21(3):58-61.

[11]周宏仁,敬忠良,王陪德.機動目標跟蹤[M].北京:國防工業(yè)出版社,1994.

[12]韓崇昭,朱洪艷,段戰(zhàn)勝,等.多源信息融合(第2版)[M].北京: 清華大學(xué)出版社,2010,1-14.

[13]Li X.R.,Jilkov V.P.Survey of maneuvering target tracking.Part I: Dynamic models[J].IEEE Transactions on Aerospace and Electronic Systems,2003,39(4): 1333-1363.

[14]Li X.R.,Jilkov V.P..Survey of maneuvring target tracking.Part II: Motion models of ballistic and space targets[J].IEEE Transactions on Aerospace and Electronic Systems,2010,46(1): 96-119.

[15]吳楠,陳磊.高超聲速滑翔再入飛行器彈道估計的自適應(yīng)卡爾曼濾波[J].航空學(xué)報,2013,34(8):1960-1971.

[16]李海寧,雷虎民,翟岱亮,等.面向跟蹤的吸氣式高超聲速飛行器動力學(xué)建模[J].航空學(xué)報,2014,35(6):1651-1664.

[17]肖松,譚賢四,李志淮,等.臨近空間高超聲速機動目標MCT跟蹤模型[J].彈箭與制導(dǎo)學(xué)報,2013,33(1):185-194.

[18]肖松,譚賢四,李志淮,等.基于SCT-IMM的臨近空間高超聲速機動目標跟蹤模型[J].現(xiàn)代雷達,2013,35(4):15-19.

[19]王國宏,李俊杰,張翔宇,等.臨近空間高超聲速滑躍式機動目標的跟蹤模型[J].航空學(xué)報,2015,36(7): 2400-2410.

[20]李昌璽,畢紅葵,王紅,等.一種臨近空間高超聲速目標跟蹤算法[J].航天電子對抗,2012,28(4):10-13.

[21]曹亞杰,李月娟.基于高速高加速臨近空間目標狀態(tài)預(yù)估算法[J].現(xiàn)代防御技術(shù),2013,41(6):97-101.

[22]樊友友.高速高機動目標跟蹤算法及應(yīng)用研究[D].西安:西安電子科技大學(xué),2013.

[23]H.A.P.Blom,Y.Bar-Shalom.The interacting multiple model algorithm fo systems with markovian switching coefficients[J].IEEE Trans.on Automatic Control,1988,33,pp:780-783.

[24]R.H.Bishop,A.C.Antoulas.Nonlinear approach to the aircraft tracking problem[J].AIAA Journal of Guidance,Control and Dynamics,1994,17(5):1124-1130.

[25]X.R Li,Y.Bar-Shalom.Multiple-model estimation with variable structure—Part I[J].IEEE Trans.on Automatic Control,1996,41(4): 478-493.

[26]關(guān)欣,趙靜,何友.臨近空間高超聲速飛行器跟蹤技術(shù)[J].四川兵工學(xué)報,2011,32(8): 4-6.

[27]關(guān)欣,趙靜,張政超,等.一種可行的高超聲速飛行器跟蹤算法[J].電訊技術(shù),2011,51(8): 80-84.

[28]董來欣,譚賢四,武子彥,等.一種新的高超聲速目標跟蹤算法[J].空軍雷達學(xué)院學(xué)報,2012,26(2):111-114.

[29]李昌璽,畢紅葵,張兵,等.轉(zhuǎn)移概率自適應(yīng)高超聲速目標跟蹤算法[J].現(xiàn)代雷達,2013,35(11):84-91.

[30]肖松,李志淮,譚賢四,等.臨近空間高超聲速飛行器DG-VSMM跟蹤算法[J].彈道學(xué)報,2013,25(2):22-27.

[31]肖松,譚賢四,王 紅,等.變結(jié)構(gòu)多模型臨近空間高超聲速飛行器跟蹤算法[J].紅外與激光工程,2014,43(7):2362-2370.

[32]秦雷,李君龍.基于多站交互式多模型算法跟蹤臨近空間目標[J].系統(tǒng)仿真學(xué)報,2014,26(10):2486-2496.

[33]秦雷,李君龍,周荻.基于AGIMM的臨近空間機動目標跟蹤濾波算法[J].系統(tǒng)工程與電子技術(shù),2015,37(5):1009-1014.

[34]苗偉,李昌璽,吳聰.基于修正轉(zhuǎn)彎模型的交互多模型跟蹤算法[J].現(xiàn)代防御技術(shù),2015,43(3):113-118.

[35]張翔宇,王國宏,李俊杰,等.臨近空間高超聲速滑躍式軌跡目標跟蹤技術(shù)[J].航空學(xué)報,2015,36(6):1983-1994.[36]李俊杰,王國宏,張翔宇,等.臨近空間高超聲速滑躍式機動目標跟蹤的IMM算法[J].電光與控制,2015,22(9):15-19.

[37]周軍,董鵬,盧曉東.基于Sigma點卡爾曼濾波的天基紅外低軌衛(wèi)星目標跟蹤[J].紅外與激光工程,2012,41(8):2206-2210.

[38]李羅鋼,荊武興,高長生.基于預(yù)警衛(wèi)星系統(tǒng)的臨近空間飛行器跟蹤[J].航空學(xué)報,2014,35(1):105-115.

[39]Singer P F,Coursey A L.Feature aided tracking (FAT)[C].In: Proceedings of SPIE Conference on Signal and Data Processing of Small Targets,Orlando,2004,249-259.

[40]占榮輝,張軍.特征輔助數(shù)據(jù)關(guān)聯(lián)研究綜述[J].系統(tǒng)工程與電子技術(shù),2011,33(1):35-41.

[41]祝依龍,范紅旗,盧再奇,等.基于特征的雷達目標機動檢測算法綜述[J].系統(tǒng)工程與電子技術(shù),2011,33(9):1913-1920.

[42]祝依龍,范紅旗,付強,等.雷達目標特征信號與運動模式的相關(guān)性研究[J].中國科學(xué):信息科學(xué),2012(42): 907-922.

[43]張凱,單甘霖,吉兵,等.基于姿態(tài)角輔助非線性濾波算法的機動目標跟蹤[J].電子學(xué)報,2012,40(8):1670-1675.

[44]潘泉,王增福,梁彥,等.信息融合理論的基本方法與進展(Ⅱ)[J].控制理論與應(yīng)用,2012,29(10):1233-1244.

[45]趙宗貴,王國強,刁聯(lián)旺.戰(zhàn)場感知資源管理與信息融合[J].指揮信息系統(tǒng)與技術(shù),2012,3(1):12-19.

[46]KOLBA M P,SCOTT W R,COLLINS L M.A framework for information-based sensor management for the detection of static targets [J].IEEE Transactions on Systems,Man,and Cybernetics,PartA: Systems and Humans,2011,41(1):105-120.

Tracking Algorithms for Near Space Hypersonic Target

GUO Xiang-ke1,2,LIU Chang-yun2,ZHANG Ya-jian2,WEI Gang2,WANG Gang2

(1.Beijing University of Aeronautics and Astronautics,Beijing 100191;2.Air Force Engineering University,Xi’an 710051,China)

The tracking technique of the Near Space Hypersonic Target (NSHT)has great military significance and theoretical value in the air and aerospace defense system.The research about target motion modeling,the adaptive tracking algorithms for NSHT based on single model and the multiple-model is summarized in this paper.The potential idea to deal with the problem of tracking in NSHT is proposed,meeting the demand of target detection tracking requirements.The research provided a reference for the interrelated study.

near space; hypersonic vehicles; target tracking; moving model; tracking algorithms; interacting multiple model

1673-3819(2016)05-0008-05

2016-06-19

2016-07-12

國家自然科學(xué)青年基金(61503408)

郭相科(1980-)，男，河南泌陽人，碩士，講師，研究方向為機動目標跟蹤。

劉昌云(1973-)，男，博士，副教授。

張雅艦(1980-)，男，講師。

韋剛(1978-)，男，講師。

王剛(1975-)，男，博士，教授。

E917

ADOI:10.3969/j.issn.1673-3819.2016.05.002