徐瑞辰，牛蘭杰，2，張 珂，2

(1.西安機(jī)電信息技術(shù)研究所，陜西 西安 710065；2.機(jī)電動態(tài)控制重點實驗室，陜西 西安 710065)

0 引言

近炸引信對現(xiàn)代武器系統(tǒng)的作戰(zhàn)效能具有重要作用，而彈道高度的測量精度是影響近炸引信最佳炸點起爆的重要因素。目前典型近炸引信，如無線電引信、光學(xué)引信的彈道高度測量精度要求一般小于3 m，美軍部分引信炸點控制精度小于1 m，因此提高彈道高度測量精度具有重要實用意義。

近年來，國內(nèi)外學(xué)者開展了在不降低目標(biāo)檢測概率前提下，提升測量數(shù)據(jù)更新速率、降低彈道環(huán)境噪聲引起的隨機(jī)誤差，進(jìn)而提高測距精度的研究。文獻(xiàn)[1—7]分別用最小二乘法或矩陣加權(quán)等方法，提出了不同形式的融合卡爾曼濾波器，用于降低信號發(fā)生丟失時的預(yù)測誤差。文獻(xiàn)[8—10]研究了利用最小二乘法、內(nèi)插外推算法、三次樣條插值、RBF神經(jīng)網(wǎng)絡(luò)等改變測量數(shù)據(jù)更新速率以進(jìn)行時間對準(zhǔn)的方法，但計算復(fù)雜度和樣本量需求高、抗干擾能力弱，難以在彈載平臺使用。文獻(xiàn)[11]在研究異步信號融合系統(tǒng)時利用偽測量原理，通過對高數(shù)據(jù)更新速率的傳感器數(shù)據(jù)進(jìn)行最小二乘估計，用量測估計值代替量測真值，調(diào)整數(shù)據(jù)更新速率，將異步數(shù)據(jù)融合轉(zhuǎn)化為同步數(shù)據(jù)融合，然而此方法僅限用于均速運(yùn)動模型，適用面窄，不適用于機(jī)動性較強(qiáng)的彈藥平臺。文獻(xiàn)[12—13]分別通過建立不同采樣時刻下的狀態(tài)空間模型，利用融合遞歸的方式進(jìn)行異步融合。此外，文獻(xiàn)[14—17]研究了基于偽測量法或序貫融合法的異步融合技術(shù)，可用于改變信息更新速率。

綜上所述，改變信號采樣間隔、提高探測精度的算法已較為成熟，經(jīng)典的方法有多點插值法、狀態(tài)空間分解法、偽測量法和新興的神經(jīng)網(wǎng)絡(luò)算法等，其中異步信號融合系統(tǒng)中常用的卡爾曼濾波算法和偽測量法具有濾波精度高等優(yōu)點，但是由于引信在對地彈道高度測量時，具有處理速度高、實時性強(qiáng)等特點，傳統(tǒng)基于偽測量技術(shù)的卡爾曼濾波算法包含大量矩陣求逆運(yùn)算，難以滿足彈上環(huán)境對計算量的要求。本文針對彈載使用平臺，以減小計算量和實現(xiàn)高度預(yù)測為目標(biāo)，提出無效點概念，將探測漏點、干擾點、需插值點設(shè)置為兩種類型的無效點，將無效點和額外預(yù)測點利用系統(tǒng)狀態(tài)方程、擴(kuò)展卡爾曼濾波、偽測量技術(shù)等處理算法進(jìn)行濾波和更新，進(jìn)行彈道高度預(yù)測，達(dá)到降低測量誤差、降低采樣間隔的效果。

1 高度預(yù)測算法

1.1 卡爾曼濾波算法

卡爾曼濾波算法在彈藥制導(dǎo)、防空雷達(dá)航跡預(yù)測等場景中得到廣泛使用，可以預(yù)測運(yùn)動目標(biāo)軌跡，特別是在信號受到干擾或者測量精度不夠時能夠有效避免因信號丟失、測量精度低、受環(huán)境噪聲干擾等原因?qū)е碌臏y量數(shù)據(jù)失效問題。

本文采用的卡爾曼濾波算法根據(jù)目標(biāo)之前的運(yùn)動狀態(tài)推算下一步運(yùn)動狀態(tài)，可以降低測量誤差，減少隨機(jī)噪聲影響，并預(yù)測后續(xù)運(yùn)動狀態(tài)，而且僅利用已知歷史信息即可進(jìn)行實時計算，具有計算實時性強(qiáng)等特點。

1.1.1預(yù)測與更新流程

卡爾曼濾波(Kalman filter, KF)是最優(yōu)估計理論之一，用于遞推系統(tǒng)狀態(tài)的最小方差線性無偏估計，能估計下一步狀態(tài)和下一步誤差協(xié)方差。

在不考慮控制輸入量的情況下，卡爾曼濾波的線性、離散系統(tǒng)方程和測量方程分別如下：

xk=Φk|k-1xk-1+Γk|k-1wk-1,

(1)

zk=Hkxk+vk,

(2)

式中，xk為系統(tǒng)的狀態(tài)向量，zk為可以實際測量的量(觀測向量)，Φk|k-1為狀態(tài)轉(zhuǎn)移矩陣，Γk|k-1為過程噪聲分布矩陣，Hk為觀測矩陣，wk-1為過程噪聲，vk為測量噪聲，二者都是均值為零高斯白噪聲，且互不相關(guān)。過程噪聲協(xié)方差為Qk(非負(fù)陣)，測量噪聲協(xié)方差為Rk(正定陣)。

1)狀態(tài)的一步預(yù)測方程為

(3)

2)均方誤差的一步預(yù)測方程為

(4)

式(4)中，Pk|k為狀態(tài)估計誤差協(xié)方差陣。

3)濾波增益權(quán)重方程為

(5)

4)濾波估計方程(更新方程)為

(6)

5)誤差協(xié)方差更新方程為

Pk|k=[In-KkHk]Pk|k-1。

(7)

將步驟5)得到的結(jié)果，代回步驟1)，即可完成全狀態(tài)估計。

在對地近炸引信測高使用場景中，同樣可以采用卡爾曼濾波算法對彈道高度進(jìn)行估計，在存在干擾信號時高度預(yù)測效果示意圖如圖1所示。

圖1 高度預(yù)測效果示意圖Fig.1 Height prediction effect

本文采用卡爾曼濾波算法對高度測量信息在時間-距離維度進(jìn)行預(yù)測，由于卡爾曼濾波算法對非線性航跡適應(yīng)力不足，且無法完成提高數(shù)據(jù)更新速率等工作，因此需要做出改進(jìn)。

1.1.2擴(kuò)展卡爾曼濾波算法

xk≈Φk|k-1xk-1+Γk|k-1wk-1，

(8)

zk≈Hkxk+vk。

(9)

之后即可利用標(biāo)準(zhǔn)卡爾曼濾波方法進(jìn)行迭代，其中狀態(tài)轉(zhuǎn)移矩陣Φk,k-1和觀測矩陣Hk分別由f(*)和h(*)的雅可比矩陣來替代。

1.2 偽測量法

在近炸引信對地測高過程中往往存在有效量測信息丟失的現(xiàn)象，因此需要通過已確定的量測信息求解在需要量測信息丟失時刻的狀態(tài)向量，代替真實量測值，此算法稱為偽測量法。

(10)

(11)

為了簡化公式，設(shè)

(12)

(13)

則式(11)可以簡化為如下偽測量方程：

(14)

且偽測量的協(xié)方差矩陣的完整形式為[16]

(15)

2 包含無效點濾波的彈道高度預(yù)測算法

一組實測彈道高度信息如圖2所示，此實測信息存在量測數(shù)據(jù)丟包、信息更新速率不足、受到干擾等問題，因此，需要對經(jīng)典濾波算法進(jìn)行改進(jìn)，以降低上述問題帶來的測量誤差，提高測量數(shù)據(jù)更新速率。

圖2 一組實測彈道高度信息Fig.2 A set of measured ballistic altitude information

2.1 無效點預(yù)測流程

本文引入無效點概念，利用偽測量方法，在不進(jìn)行復(fù)雜插值計算的前提下對這些問題一次性完成處理。

當(dāng)檢測到以下三種場景時引入無效點概念：1)每次檢測到輸入的測量值連續(xù)不變或出現(xiàn)漏點時，將連續(xù)不變的點或漏點設(shè)置為A類無效點；2)檢測到出現(xiàn)超過預(yù)設(shè)閾值的極端跳變點時，將超過閾值的點設(shè)為A類無效點；3)在每兩個采樣點間進(jìn)行插點，如需將測量數(shù)據(jù)更新速率提高P倍，可在原離散測量值的每兩個點之間插入P-1個新點，并將這P-1個新點設(shè)為B類無效點。之后，利用系統(tǒng)狀態(tài)方程、擴(kuò)展卡爾曼濾波、偽測量算法對無效點進(jìn)行預(yù)測和更新。

對無效點的預(yù)測流程如下：

步驟2)對修改后的量測信息進(jìn)行一次擴(kuò)展卡爾曼濾波處理。

步驟3)對于B類無效點，為了減少計算量和減少量測誤差的影響，對步驟2)中的每個采樣點的卡爾曼濾波結(jié)果，代入預(yù)測方程式(3)進(jìn)行預(yù)測，得到連續(xù)的P-1個B類無效點中首個點的預(yù)測結(jié)果，狀態(tài)轉(zhuǎn)移矩陣的參數(shù)t取T/P；對其余P-2個B類無效點，每一個無效點的結(jié)果由前一個無效點通過式(3)進(jìn)行預(yù)測，誤差協(xié)方差陣由式(7)更新。

步驟4)用步驟3)的預(yù)測結(jié)果作為高度估計結(jié)果，由于原始量測信息的每兩個采樣點間插入了P-1個預(yù)測點，因此測量數(shù)據(jù)更新速率提高了P倍，理論上P可以取任意正整數(shù)值。

2.2 額外點預(yù)測流程

實際應(yīng)用中，當(dāng)引信持續(xù)受到干擾時有效量測信息持續(xù)丟失。因此，需要對高度信息進(jìn)行額外預(yù)測。

由于無效點預(yù)測流程具有可以預(yù)測無數(shù)據(jù)點的功能，因此也可實現(xiàn)額外點預(yù)測，且理論可以額外預(yù)測任意點之后的結(jié)果，額外預(yù)測的點數(shù)越多，與實際值偏差越大。

圖3為B類無效點預(yù)測流程和用同樣方法進(jìn)行額外點預(yù)測的流程。圖中，P：采樣率提高的倍數(shù)(如采樣間隔由20 ms提高到0.5 ms，則P=40)；N：原始信號序列長度；額外預(yù)測點數(shù)=M·(P-1)。

圖3 部分預(yù)測流程Fig.3 Partial prediction process

在進(jìn)行上述預(yù)測和更新流程后，可得到高精度、高測量數(shù)據(jù)更新速率、具有額外預(yù)測點數(shù)的高度信息，該信息可用于實現(xiàn)引信高精度炸點控制。

3 仿真分析

3.1 模擬數(shù)據(jù)仿真結(jié)果

假設(shè)彈道起點高度為160 m，初始速度1 000 m/s，先進(jìn)行加速度為10 m/s2的勻加速運(yùn)動，后在第105 ms和第120 ms時因機(jī)動原因，分別開始進(jìn)行變加速和勻速運(yùn)動，如圖4所示。

圖4 測量與濾波軌跡Fig.4 Measurement and filter trajectory

仿真驗證算法對高度測量信息量測精度及更新速率的提升效果，擬將更新速率從0.5 ms提高至0.1 ms。設(shè)信號測量誤差服從均值為0、方差為9的正態(tài)分布，采用本文提出的包含無效點濾波的預(yù)測算法，忽略噪聲相關(guān)性，選用勻加速運(yùn)動模型進(jìn)行濾波計算，在濾波的結(jié)果上，額外進(jìn)行64點預(yù)測，即可額外預(yù)測約6.4 m的高度數(shù)據(jù)。蒙特卡洛仿真次數(shù)取100次，仿真結(jié)果如圖4—圖8所示。

圖5 測量與濾波軌跡局部放大圖Fig.5 Measurement and fusion of the fusion trajectory

圖4、圖5為軌跡和濾波融合處理結(jié)果示意圖，圖6—圖8為處理前后位置信息誤差對比圖。

由圖4、圖5可知，本文算法可將采樣間隔從0.5 ms提高到0.1 ms，距離分辨率從0.5 m提高到0.1 m，且額外預(yù)測了約6.4 m之后的高度信息。

圖6、圖7、圖8分別為信號處理前后高度、速度和加速度信息誤差對比圖。相比于原始信息，使用本文提出的彈道高度預(yù)測算法可以顯著降低測量誤差，融合前后誤差統(tǒng)計如表1所示。

圖6 高度信息絕對誤差Fig.6 Altitude information absolute error

圖7 速度信息絕對誤差Fig.7 Velocity information absolute error

圖8 加速度信息絕對誤差Fig.8 Acceleration information absolute error

表1 濾波前后誤差對比Tab.1 The comparison of the error of filtering

3.2 帶環(huán)境噪聲信號仿真結(jié)果

仿真模擬信號受到隨機(jī)環(huán)境噪聲時的濾波效果，噪聲均值為0，仿真得到在不同強(qiáng)度的環(huán)境噪聲下算法對檢測誤差的改善效果，結(jié)果如表2所示。

由表2數(shù)據(jù)可知，當(dāng)量測信息持續(xù)受到環(huán)境噪聲干擾時，算法仍有較好的收斂效果。

表2 不同環(huán)境噪聲下誤差對比Tab.2 Error comparison of different ambient noise

當(dāng)環(huán)境噪聲方差小于4時，濾波結(jié)果均方誤差相比無環(huán)境噪聲時僅提高不到20%，可以認(rèn)為此時環(huán)境噪聲對算法效果無明顯影響。

當(dāng)環(huán)境方差達(dá)到256時，濾波結(jié)果均方根誤差約4.98 m，遠(yuǎn)大于原始量測信息的均方根誤差約3 m。此時，可認(rèn)為算法失去有效判斷炸點的能力。

圖9—圖12為環(huán)境噪聲方差為64時的濾波結(jié)果，仿真驗證了在環(huán)境噪聲的影響下算法的有效性。

圖9 測量與濾波軌跡Fig.9 Measurement and filter trajectory

圖10 高度信息絕對誤差Fig.10 Altitude information absolute error

圖11 速度信息絕對誤差Fig.11 Velocity information absolute error

圖12 加速度信息絕對誤差Fig.12 Acceleration information absolute error

3.3 帶干擾點信號仿真結(jié)果

仿真模擬測量信息受到點干擾時的濾波效果，設(shè)置量測信息受到方差為4的隨機(jī)環(huán)境噪聲影響，同時受到4處距離干擾，干擾持續(xù)時間分別為2，1.5，2，1 ms，干擾平均偏移為45 m，并且信號從第105 ms開始存在持續(xù)4 ms的漏點，導(dǎo)致持續(xù)上報相同的距離信息，仿真結(jié)果如圖13—圖17所示。

圖13 測量與濾波軌跡Fig.13 Measurement and filter trajectory

圖14 測量與濾波軌跡局部放大圖Fig.14 Measurement and filter of the fusion trajectory

圖15 高度信息絕對誤差Fig.15 Altitude information absolute error

圖16 速度信息絕對誤差Fig.16 Velocity information absolute error

圖17 加速度信息絕對誤差Fig.17 Acceleration information absolute error

圖13、圖14為軌跡和濾波結(jié)果示意圖，圖15—圖17為濾波前后高度、速度、加速度信息誤差對比圖。由圖14可見，本文算法能夠在提高測量數(shù)據(jù)更新速率、提升預(yù)測精度、消除漏點的同時，對彈道高度測量中存在的干擾點具有良好的抑制效果。加干擾點和漏點信號的濾波前后誤差統(tǒng)計如表3所示。

表3 濾波前后誤差對比Tab.3 The comparison of the error of filtering

相比于傳統(tǒng)插值算法，本文算法具有實時性高、抗噪能力強(qiáng)等優(yōu)點，可有效提升對地近炸引信對地測高精度與抗干擾能力。

4 結(jié)論

本文提出一種包含無效點濾波的彈道高度預(yù)測算法。該算法通過引入無效點概念，建立流程將探測漏點、受干擾點和需插值點設(shè)置不同類型的無效點；為抗持續(xù)干擾可以設(shè)置任意數(shù)目和數(shù)據(jù)更新速率的額外預(yù)測點；分別對無效點和額外預(yù)測點利用系統(tǒng)狀態(tài)方程、擴(kuò)展卡爾曼濾波、偽測量技術(shù)等算法進(jìn)行彈道高度信息預(yù)測。

仿真驗證結(jié)果表明，本文算法在提高數(shù)據(jù)更新速率、消除漏點干擾、彈道高度額外點預(yù)測、降低隨機(jī)噪聲干擾等方面效果顯著，經(jīng)算法處理的彈道高度信息平均絕對誤差和均方根誤差相比原始信號均有明顯降低。相比于傳統(tǒng)插值算法，本文算法具有實時性高、抗噪能力強(qiáng)等優(yōu)點，可用于無線電引信識別與控制技術(shù)領(lǐng)域，能有效改善彈道高度測量中觀測信號可能出現(xiàn)的有效數(shù)據(jù)缺失、數(shù)據(jù)更新速率低，因環(huán)境噪聲和干擾造成測距精度下降的問題。