秦武韜，陸小科，邢曉勇

（南京電子技術研究所，南京 210039）

隨著科學技術的飛速發(fā)展，各主要國家的反導系統日臻完善[1,2]，傳統彈道導彈的突防能力持續(xù)下降，在此背景下，以臨近空間內高速滑翔為標志的臨近空間飛行器逐漸成為遠程戰(zhàn)略打擊武器研發(fā)的重要方向[3,4]。美國于1987年率先開始了高超聲速滑翔式飛行器(Hypersonic Glide Vehicle,HGV)項目的研究，近十年更是多次進行了HTV-2、X-51A 等臨近空間飛行器的飛行試驗，俄羅斯則提出了“冷”和“鷹”的研究計劃，德國、日本、印度也開展了相關研究[5]。因此，研究針對臨空目標的軌跡跟蹤方法具有極大的理論和實際意義。與常規(guī)的軌道目標不同，臨近空間飛行器不僅擁有10 馬赫以上的飛行速度，還可在大氣層內利用氣動力進行大范圍的機動飛行，其典型的跳躍式軌跡更是給雷達的高精度穩(wěn)定跟蹤帶來了嚴峻挑戰(zhàn)[6]。

在機動目標跟蹤中，準確的目標運動模型是精確穩(wěn)定跟蹤的基礎[7,8]。例如針對勻速運動的常速度模型(Constant Velocity,CV)和針對勻加速度運動的常加速度模型(Constant Acceleration,CA)；對于轉彎目標的跟蹤問題，文獻[9]則給出了協同轉彎模型(Constant Turn,CT)。但CV、CA 和CT 模型均屬于理想化的建模，為了應對跟蹤過程中目標隨時可能出現的轉彎、加減速等突發(fā)機動情況，Singer 把機動控制項作為相關噪聲進行建模，提出了Singer 模型，該模型在處理機動目標時具有良好的跟蹤效果。文獻[10]則專門針對臨近空間飛行器周期性跳躍的特點提出了正弦波模型(Sine Wave,SW)，較好地描述了臨空目標跳躍運動的周期特性，其結果表明該方法具有比Singer 模型、Jerk模型更高的跟蹤精度，文獻[11]則對SW 模型做了進一步的分析和研究，并基于X-51A 軌跡驗證了SW 模型的跟蹤精度。

然而，以HTV-2 為代表的無動力臨近空間飛行器在進行跳躍滑翔時，其能量不斷減少，跳躍幅度逐漸降低，各周期的相關性持續(xù)減弱，又呈現出衰減性的特點。SW 模型在進行建模時僅考慮到了臨近空間飛行器跳躍滑翔的周期性，而忽視了其衰減性，導致其在跟蹤無動力臨空飛行器時跟蹤精度較低。因此，本文基于一種二階時間自相關的零均值隨機過程，借鑒“當前”統計模型的思想，提出了一種自適應衰減震蕩模型(Adaptive Damped Oscillation,ADO)。該模型通過衰減參數和震蕩參數的合理調配，實現了周期性和衰減性的有機統一，較好地描述了臨空滑躍目標的運動特點?？紤]到臨空目標機動范圍大的特點，論文在地理坐標系下推導建立了目標運動模型，利用無跡卡爾曼濾波算法設計了跟蹤濾波器，并通過數學仿真對所提算法進行了驗證。

1 臨近空間跳躍滑翔飛行器運動描述及特性分析

1.1 目標運動描述

由于臨近空間飛行器具有機動范圍廣的顯著特點，為直觀地對其運動進行描述，本文擬在地理坐標系下對其進行描述，即以經度、緯度和高度表示目標位置，以速度大小、飛行路徑角和航向角表示目標速度。其中，飛行路徑角γ表示速度矢量與當地水平面的夾角，航向角ψ表示速度矢量在當地水平面上的投影與正北方向的夾角。

由飛行路徑角及航向角的定義，有

式中，V為合速度大小，vE、vN和vU分別為東向、北向和天向速度。

圖1 地理系下位置與速度關系Fig.1 The relation of position and velocity in GEO

圖1給出了經度、緯度、高度變化與東、北、天速度的關系，有:

式中，λ、L和h分別表示經度、緯度和高度，Re表示地球半徑。

將式(1)帶入式(2)，可得

1.2 運動特性分析

與傳統彈道導彈不同，臨近空間高速滑翔飛行器可以依靠氣動力在大氣層內進行高速滑翔，根據滑翔時高度方向的運動特點大致可以劃分為平衡滑翔和跳躍滑翔兩種模式，其中平衡滑翔模式下目標高度方向機動較小，跟蹤難度較低，而跳躍滑翔模式的跟蹤難度更大，因此，本文將主要對這一類型的臨空目標跟蹤問題進行研究。

圖2 跳躍式滑翔目標運動軌跡Fig.2 The trajectory of NSHV

呈“周期性衰減”式的跳躍滑翔是臨近空間飛行器所特有的飛行樣式，彈道導彈、飛機等傳統飛行器均無法做出類似機動。在這種機動模式下，臨近空間飛行器不斷上下跳躍，呈現出顯著的周期性（如圖2所示），此時，目標的加速度和飛行路徑角也呈現出同樣的周期性，各個周期間的目標運動狀態(tài)強相關。但與此同時，目標又在氣動阻力的作用下不斷消耗能量，其速度不斷下降，跳躍幅度逐漸降低，各個周期間的相關性持續(xù)減弱，表現出衰減特性。因此，臨近空間跳躍滑翔目標的運動呈現出周期性與衰減性相統一的特點。

2 基于自適應衰減震蕩模型的縱向機動建模

2.1 零均值衰減震蕩模型

由于臨空滑躍目標飛行路徑角和加速度的變化規(guī)律相似，因此本文以加速度為例推導描述其衰減震蕩過程的運動方程。根據臨空滑躍目標周期性運動的特點，其t時刻的加速度a（t）與一個周期ΔTc后的加速度a（t+ΔTc）呈強相關。同時，隨著間隔周期數的增多，目標加速度逐漸降低，該相關性逐漸減弱，表現出了相關衰減性的特點。為描述這一運動特征，可利用如下二階時間自相關隨機過程進行加速度建模，即

當α和β取極限值時，有:

可以看出，在α逼近0 時，式(4)給出的衰減震蕩模型不再具備衰減性的特點，而僅表現出周期性，其退化為SW 模型[10]；當β逼近0 時，衰減震蕩模型則喪失了周期性的特點，而僅表現出衰減性，其退化為Singer 模型。因此，通過參數α及β的調配，衰減震蕩模型可以實現周期性和衰減性的統一。

由式(4)所給出的相關函數Ra（τ），可得其譜密度為:

其中，ω表示角速率。

其中，W（ωj）表示白噪聲的傅里葉變換。

將G（ω）代入H（ωj）中，可得

令s=ωj，式(8)可化簡為

由式(9)可得衰減震蕩模型下的加速度和加加速度狀態(tài)方程如下:

其中，wa是均值為零，方差為的高斯白噪聲，d（t）為加加速度。

2.2 自適應衰減震蕩模型

對于式(10)所建立的加速度變化模型，可看作SW模型和Singer 模型的組合，其中SW 模型認為目標加速度以零為均值進行周期性的跳動，Singer 模型同樣認為目標機動加速度的均值為零。但事實上，臨空滑躍目標在飛行過程中受氣動力的作用不斷減速，其加速度均值并不為零，而是隨其氣動外形、飛行速度和跳躍階段的變化而變化。為更準確地對目標的加速度變化規(guī)律進行描述，本節(jié)將對式(10)所示模型做進一步改進，推導出自適應均值衰減震蕩模型。

定義變量b（t）如下:

則有

由式(10)和(12)可得

其中，

將式(13)展開，有

同理，可得飛行路徑角的變化模型如下:

其中，ωγ（t）為飛行路徑角速度，（t）和（t）為上一周期中濾波器對γ及ωγ估計值的平均，wγ是均值為零、方差為的高斯白噪聲。

3 側向運動建模及狀態(tài)方程的構建

3.1 側向運動模型

當目標進行側向機動時，其航向角速度會隨之發(fā)生變化，但由于目標飛行速度較快，受結構及氣動性能的限制，下一時刻的航向角速度的變化往往有限，僅能在當前角速度的領域內，這與“當前”統計模型中關于機動加速度的假設相一致。因此，本文借鑒“當前”統計模型的思想，建立起關于航向角速度的自適應均值一階馬爾科夫模型如下:

其中，（t）服從零均值一階馬爾科夫過程，（t）為航向角速度的“當前”均值，αψ為機動時間常數，wωψ為零均值高斯噪聲。

根據式(16)，有

結合式(16)，(17)和(18)，可得航向角及航向角速度的狀態(tài)方程如下:

其中，航向角速度的方差為

其中，為ωψ的估計值，ωψmax為最大正航向角速度，ωψ-max為最大負航向角速度。由式(20)可以看出，方差的大小與ωψmax和ωψ-max密切相關，而又直接影響到過程噪聲方差陣Q 的大小。因此，為了獲得更好的跟蹤精度，在應用過程中需要根據目標側向機動能力的大致情況選取合適的ωψmax和ωψ-max。

3.2 狀態(tài)方程

綜合上述分析，本文選取目標狀態(tài)量x如下：

根據各狀態(tài)量的定義，結合式(3)(14)(15)和(19)，可建立狀態(tài)方程如下：

式中，0m×n表示m行n列的零矩陣。

4 跟蹤濾波器設計

現階段，可在大范圍內對非合作目標進行連續(xù)探測的設備主要包括天基紅外預警衛(wèi)星和雷達，但對于臨空滑躍目標，其飛行過程中的紅外特征不明顯，無法利用紅外衛(wèi)星對其進行穩(wěn)定跟蹤。而雷達可以通過主動發(fā)射電磁波進行探測，且具有作用距離遠的顯著優(yōu)勢，可以滿足對臨空滑躍目標的跟蹤要求。因此，本文以雷達為探測傳感器建立測量模型。圖3給出了雷達對目標進行探測的示意圖。

圖3 雷達探測示意圖Fig.3 The schematic diagram of the detection of radar

雷達通過獲得目標的斜距和回波到達角對目標進行定位，因此測量量可定義為:

式中，γ為高低角，η為方位角，ρ為斜距。

則測量方程為

式中，vγ,vη和vρ表示雷達的測量誤差；xe,ye和ze表示目標在雷達直角坐標系中的位置分量，有

其中，地心系至雷達直角坐標系的轉換矩陣，有

由目標在地理系下的位置信息，可得其在地心系下的位置［x,y,z］T為

同理，雷達在地心系下的位置［xr,yr,zr］T為

在式(30)中，［λr,Lr,hr］為雷達的經緯高位置信息，可通過標定獲得。

圖4 無跡卡爾曼濾波算法流程圖Fig.4 The flow chart of UKF

考慮到該系統的狀態(tài)方程和測量方程均具有較強的非線性，且雅克比矩陣求取困難，因此論文選用無跡卡爾曼濾波算法進行濾波器的設計，圖4給出了無跡卡爾曼濾波的流程圖，其詳細內容可參考文獻[12]。

5 數學仿真分析

本文以美國X-51A 及HTV-2 的試驗軌跡為參考，設置跳躍滑翔跟蹤場景如圖5所示，其中，目標的初始位置為[100°E,30°N,48000 m]，初始速度為4800 m/s，最大飛行高度為51108 m，最小飛行高度為46449 m，跳躍周期約為150 s，飛行時間為800 s，圖6給出了目標的高度變化曲線，圖7給出了目標的速度和飛行路徑角變化曲線。

圖5 跳躍滑翔目標運動軌跡Fig.5 The trajectory of the NSHV

圖6 高度變化曲線Fig.6 Altitude-time curve

圖7 速度和飛行路徑角變化曲線Fig.7 The velocity-time and flight path angle-time curves

在仿真中，雷達位于[133 ° E,30 ° N，200 m]，其距離測量誤差σr=50m，高低角和方位角測量誤差為σγ=ση=0.1°，測量頻率為10 Hz。

各模型中的主要參數如下表所示:

表1 各模型中的主要參數Tab.1 Main parameters of three models

基于上述仿真場景，獲得單次仿真結果如下:

圖8 東北天位置估計誤差Fig.8 Position estimated error of east-north-up direction

在上述仿真結果中，圖8給出了目標在東北天方向的位置估計誤差，圖9則給出了速度、航向角和飛行路徑角估計誤差，可以看出目標的位置跟蹤誤差在1000 m 以內，速度跟蹤誤差在10 m/s 以內，具有估計精度高，收斂速度快的特點。

圖9 速度、航向角和飛行路徑角估計誤差Fig.9 The estimation error of velocity,course angle and flight path angle

為進一步對比分析該算法的精度，論文分別利用常速度模型、Singer 模型、SW 模型和本文提出的自適應衰減震蕩模型對臨空目標進行跟蹤，基于100 次獨立的蒙特卡洛試驗，獲得仿真結果如圖10所示:

圖10 位置跟蹤誤差對比曲線Fig.10 The comparison of position estimation error between four algorithms

圖11 速度跟蹤誤差對比曲線Fig.11 The comparison of velocity estimation error between four algorithms

表2 各算法跟蹤誤差對比Tab.2 Comparison of tracking error of four algorithms

圖10和圖11分別給出了四種算法的位置和速度跟蹤誤差對比曲線，表2對跟蹤誤差進行了匯總。可以看出本文所提出的ADO 算法具有最高的跟蹤精度，SW 模型次之，而CA 模型的跟蹤精度最差。這是因為CA 模型簡單地認為目標進行勻加速直線運動，這與目標的實際運動規(guī)律并不符合，導致其跟蹤精度較低。同理，Singer 模型也難以對跳躍滑翔目標的運動進行描述。SW 模型認為目標進行周期性的跳躍運動，這一點較為準確地描述了跳躍滑翔目標的運動特性，但其在推導過程中假設各個周期目標的跳躍高度相等，這與臨空目標的實際飛行過程不符，使得其跟蹤精度略為下降。而本文所提出的自適應衰減震蕩模型，不僅對臨空滑翔目標的周期運動特性進行了準確描述，同時也考慮到了目標飛行過程中的衰減特性，其對目標運動的描述最為準確，因而獲得了最高的軌跡跟蹤精度。ADO 算法其位置跟蹤精度和速度跟蹤精度較SW 模型分別提高了17.91%和26.33%。

6 結 論

針對臨近空間跳躍滑翔飛行器運動特性復雜，現有目標運動模型描述失準，跟蹤精度較低的問題，本文基于二階時間自相關隨機過程提出了一種自適應衰減震蕩模型，建立了地理系下的目標運動模型，準確描述了臨近空間滑翔跳躍目標運動的周期性和衰減性。在此基礎上，論文給出了雷達的測量模型并利用無跡卡爾曼濾波算法完成了跟蹤濾波器的設計，數學仿真證明基于ADO 模型設計的跟蹤濾波器具有比CA模型、Singer 模型和SW 模型更高的跟蹤精度。