[发明专利]一种基于交互式多模型的捷联导引头视线角速度估计方法

说明书

本发明公开了一种基于交互式多模型的捷联导引头视线角速度估计方法，包括：针对目标不同运动模式，分别建立视线角速度估计模型并进行离散化，组成视线角速度估计模型集；设置模型集中模型间转移概率和模型初始概率，进行滤波初始化；利用上一时刻维度对齐后的各模型状态估计、协方差进行模型间的交互；建立导引头量测模型，利用各模型运行多个滤波器，使用容积卡尔曼滤波处理估计模型以及导引头量测模型的强非线性问题；更新模型概率，将各模型的状态估计与协方差进行维度对齐后，融合状态估计及协方差作为滤波结果。本发明提高了对机动目标的适应能力与视线角速度的估计精度，可用于捷联导引头滤波器算法设计领域。

技术领域

本发明涉及捷联导引头视线角速度估计技术，特别是一种针对机动能力较强、机动方式具有随机性和不确定性的机动目标视线角速度估计方法。

背景技术

导引头是精确制导武器的核心部件，在很大程度上决定了制导武器的打击精度与成本。捷联导引头是一种将全部硬件刚性固定在弹体上的目标探测系统，相比于平台导引头，取消了万向平台，具有结构简单、可靠性高、体积小、重量轻等优点。然而，捷联导引头也引入了两个不足之处：首先，捷联导引头不能直接提供比例导引制导律所需的惯性瞄准线速度信息，其量测所得的视线角度信息与弹体姿态密切耦合；其次，由于捷联导引头瞬时视场更宽，造成测量噪声相较于平台式导引头更大，与平台式导引头相比，该测量噪声通常要大一个数量级。针对捷联导引头的结构特点，目前已有相应的视线角速度估计模型，但这些模型都有其适合描述的目标运动，当模型不匹配时，估计精度有待提升。

目前的视线角速度估计方法多是基于单模型的，没有考虑现实中目标的机动形式未知且时变的特性，而单一的模型往往因为无法描述机动目标不同的运动模式，无法满足视线角速度的估计精度需求。针对这类问题，构建一个合适的模型集，再用多模型算法去匹配目标运动是一个不错的选择，而现有的基于多模型的视线角速度估计方法对模型的构建不够充分，在模型的使用方面还可以继续改进。

发明内容

为解决现有技术中存在现有视线角速度估计方法在面对机动能力较强、机动方式具有随机性和不确定性的目标时，视线角速度精度有待提升的问题，本发明的目的在于提供一种通过构建合适的视线角速度估计模型集，并将多模型算法应用到导引头视线角速度估计算法中的方法。首先建立描述目标不同运动模式的模型集，并进行模型状态维度的对齐，采用交互式多模型算法实时匹配目标运动模式来提升视线角速度估计算法对机动目标的适应能力，并采用容积卡尔曼滤波来处理捷联导引头视线角速度估计系统的强非线性问题，进而提升视线角速度估计精度。

本发明是通过下述技术方案来实现的。

本发明提供的基于交互式多模型的捷联导引头视线角速度估计方法，包括：

步骤1，构建交互式多模型算法的模型集：通过分析所要跟踪目标可能存在的运动模式，建立能够描述目标不同运动模式的视线角速度估计模型，并获取对应的离散时间估计模型，得到离散时间估计模型集；

步骤2，对所得到的离散时间估计模型集设置模型间的转移概率和模型的初始概率，并对离散时间估计模型集中各模型进行滤波初始化，根据不同模型状态维度进行维度对齐；

步骤3，利用上一时刻离散时间估计模型集中各模型的目标状态、协方差、模型概率和模型概率转移矩阵进行模型间的交互；

步骤4，建立导引头量测模型，利用离散时间估计模型集中的模型并行运行多个滤波器，使用容积卡尔曼滤波法处理离散时间估计模型集中模型以及导引头量测模型的强非线性问题；

步骤5，根据贝叶斯概率公式，更新模型概率，将离散时间估计模型集中各模型的状态估计与协方差矩阵进行维度对齐，融合各模型的状态估计及协方差，作为滤波结果。

进一步，构建交互式多模型算法的模型集包括：非机动目标的扩维视线角速度离散时间估计模型，即CV-SC模型，以及机动目标的三维匀转弯目标视线角速度离散时间估计模型，即3D-CT-SC模型。