基于雙站紅外跟蹤臨近空間目標研究*

秦雷，李君龍，周荻

(1.北京電子工程總體研究所，北京 100854； 2.哈爾濱工業大學，黑龍江 哈爾濱 150001)

0 引言

由于臨近空間目標飛行速度快，具有較高的升阻比，且在大氣層內長時間飛行，其運動軌跡往往呈現出“跳躍”特征，使用傳統濾波估計方法和跟蹤方式難以對飛行器實現準確的跟蹤和軌跡預報，給跟蹤定位臨近空間飛行器帶來了很大的困難。因此需要使用其他的濾波方法對目標進行定位跟蹤，使其能夠達到較好的效果。

由于無源定位系統具有作用距離遠、隱蔽性好的優點，對于提高系統在電子戰環境下的生存能力具有重要作用。對此，國內外許多學者做了大量的研究工作[1-2]。

在無源定位系統中，紅外無源跟蹤方式是指不向空中輻射任何能量，通過接收目標輻射的熱能進行探測和定位，環境適應性較強，適合探測的目標范圍較大。由于臨近空間目標速度快，紅外輻射強度大，本身不向外輻射無線電信號，不宜采用被動雷達跟蹤方式，所以采用紅外無源跟蹤方式是最佳跟蹤方式，其精度比被動雷達跟蹤的精度要高。

根據平臺數量不同，無源定位系統又可以分為單站和多站無源定位系統[3-4]。但是由于單站定位時間較長，易受到敵方攻擊，生存能力較弱。相比來說，多站無源定位由空間上分布配置的接收機同時對輻射源信號進行接收處理，確定多個定位曲面，多個曲面相交，得到目標的位置，主要利用不同平臺定位曲面之間差異較大的特點來定位和提高定位精度。

近年來，基于無源跟蹤算法受到各國學者廣泛的關注[5-10]，而研究關于臨近空間紅外雙站無源跟蹤的文獻偏少。由于雙站相比單站平臺數量較多，生存能力、抗敵方打擊能力相比更強，探測目標速度更快、精度更高、探測距離更遠，在反導、反臨近空間高超聲速飛行器等武器系統方面應用更加廣泛，能夠很好解決臨近空間目標遠距離探測和跟蹤問題,因此本文以雙站測向交叉定位為例對臨近空間目標飛行器無源定位進行研究，并使用卡爾曼濾波算法進行仿真分析。

1 雙站紅外三維測向交叉定位算法

1.1 雙站紅外定位跟蹤原理

假設2個無源測向系統分別設置在已知站址(x1,y1,z1)和(x2,y2,z2)處，在三維無源定位中分別測量方位角和俯仰角，即βi，αi(i=1,2)，目標方位角βi會受到量測噪聲的影響，該噪聲是均值為0的高斯白噪聲，標準差為σβ1和σβ2，則由2站分別獲得的目標方向射線相交，即可實現對目標輻射源S的測向交叉無源定位。

9個元素的狀態向量x由觀察站跟蹤系統、目標的相對位置P，相對速度v，目標加速度at組成。連續動力學系統在笛卡爾坐標系下可以表示為[11]

(1)

式中：

(2)

角度量測量的幾何關系如圖1所示。

圖1 三維雙站測向交叉定位示意圖Fig.1 Sketch map of 3D bi-station cross location

角度量測量由方位角βi(i=1,2)和俯仰角αi(i=1,2)組成，它們可以被當作相對位置矢量的非線性函數，表示為

(3)

(4)

設r為觀察站到目標的距離，A(a,b,c)為觀察站的坐標位置，S(x,y,z)為目標坐標位置，得到三維測向交叉定位距離公式為

(5)

目標位置為

(6)

三維觀察站與目標相對位置如圖2所示。

圖2 三維觀察站與目標相對位置示意圖Fig.2 Sketch map of the relative position between 3D radar station and target

根據觀察站A，B位置以及目標S位置，得出相對位置關系如圖1所示。

從圖2中可以得到：

(7)

聯立求解式(7)，可以得到圖2中的目標位置坐標為

(8)

1.2 系統建模

考慮到臨近空間目標飛行器大機動、大范圍的特點，目標運動軌跡大致為正弦變化的跳躍彈道，類似于正弦機動模式。系統建模如下：

目標的機動性用過程噪聲表示。系統狀態方程可以表示為

X(n+1)=FX(n)+w(n).

(9)

狀態轉移矩陣F定義為

(10)

式中:Ts為采樣間隔。

系統過程噪聲向量為

w(n)中各個分量都服從零均值的過程高斯白噪聲，其方差為

(11)

圖2中，設第1個觀察站A位置坐標為 (a,0,0)，第2個觀察站B位置坐標為(0,a,0)，目標相對2個觀察站以及原點的位置，速度，加速度的量測向量分別為

雙站三維測向交叉定位系統模型確定了紅外跟蹤濾波的方式，這里具體體現在量測向量公式(12)中[12]。

量測向量設置為

Z(n)=(r1(n),r2(n),r3(n),vr1(n),vr2(n),vr3(n),ar1(n),ar2(n),ar3(n))T，

則量測方程可以設為

Z(n)=H(X(n)).

定義系統量測噪聲向量為

V(n) = (vr1(n),vr2(n),vr3(n),vvr1(n),vvr2(n),vvr3(n),var1(n),var2(n),var3(n))T,

(13)

V(n)各個分量都服從零均值的量測高斯白噪聲，其方差為

(14)

Z(n)=H(X(n))+V(n).

(15)

2 卡爾曼濾波算法

根據相應公式可以推導出離散卡爾曼濾波的遞推公式如下：

(1) 動態方程

xk=Φk,k-1xk-1+Γk-1wk-1.

(16)

(2) 量測方程

zk=Hkxk+vk,k≥1.

(17)

(3) 驗前統計量

Ewk=0,Cov(wk,wj)=Qkδkj,

(18)

Evk=0,Cov(vk,vj)=Rkδkj,

(19)

Cov(wk,vj)=0.

(20)

(4) 狀態預測估計

(21)

(5) 方差預測

(22)

(6) 狀態估計

(23)

(7) 方差迭代

[I-KkHk]Pkk-1.

(24)

(8) 濾波增益

(25)

(9) 初始條件

(26)

3 仿真分析

設定觀察站量測位置誤差為：均值為0，方差為0.5的3×2服從正態分布的矩陣。然后利用卡爾曼濾波算法對斜距估計誤差、斜距估計相對誤差進行了計算分析比較，總共進行了30次蒙特卡羅仿真試驗。

(27)

斜距估計誤差為

(28)

斜距估計相對誤差為

(29)

利用卡爾曼濾波算法計算時，設置如下參數：

Hk=(1，0，0)，過程噪聲方差Qk-1=0。

(30)

(31)

(32)

經過仿真計算，在假設的仿真條件下以及測向精度為0.1 rad時，相對斜距誤差可以控制在0.035%以下。在其他條件不變的情況下，改變觀察站的測向精度，得到相對斜距誤差如表1所示。

表1 不同測向精度下的相對斜距誤差 Table 1 Relative slant-range error under different DOA estimation accuracies

從表1中看出，改變測向精度對相對斜距誤差存在一定的影響。

經過仿真得到三軸方向位置、速度、加速度誤差如圖3～5所示。

圖3 三軸方向目標位置誤差Fig.3 Three-axis target position error

圖4 三軸方向目標速度誤差Fig.4 Three-axis target velocity error

圖5 三軸方向目標加速度誤差Fig.5 Three-axis target acceleration error

圖3是仿真得到的目標位置在x,y,z三軸方向位置估計誤差圖，可以看出在x軸和z軸方向的位置誤差可以保持在較小的范圍內，趨于穩定。而y軸方向位置誤差有發散的趨勢。圖4和圖5分別是經過卡爾曼濾波后x,y,z三軸方向速度估計誤差圖和加速度估計誤差圖，可以看出圖4中x軸和y軸速度誤差基本保持穩定,z軸方向的速度誤差逐漸減小。圖5中在第10個測量點后三軸方向的加速度誤差均趨于穩定，基本同時收斂到0附近。

在假設的仿真條件下以及測向精度為0.1 rad時，改變2個觀察站之間距離，得到相對斜距誤差如表2所示。

表2 不同站間距離時的相對斜距誤差Table 2 Relative slant-range error under different distance between stations

從表2中看出，改變站間距離會對相對斜距誤差產生影響。站間距離越大，則相對斜距誤差越小。

4 結束語

機動目標跟蹤問題近來年越來越受到國內外學者的關注，但是主要針對的是傳統意義上的飛行器，對于臨近空間飛行器的跟蹤問題研究相對較少，并且多假設目標做勻速直線運動。針對這種情況，本文使用卡爾曼濾波算法，對臨近空間飛行器雙站紅外定位跟蹤問題進行了仿真分析，得到了斜距估計誤差 、斜距估計相對誤差。仿真結果表明卡爾曼濾波算法估計誤差在規定的范圍之內，跟蹤濾波效果較好，對工程應用有一定的指導意義。

參考文獻：

[1] 孫仲康，郭福成，馮道旺,等.單站無源定位跟蹤技術[M].北京：國防工業出版社，2008:1-10.

SUN Zhong-kang, GUO Fu-cheng,FENG Dao-wang,et al. Passive Location and Tracking Technology by Single Observer[M].Beijing:National Defense Industry Press,2008:1-10.

[2] Branko Ristic,Sanjeev Arulampalam M. Tracking a Manoeuvring Target Using Angle-Only Measurements:Algorithms and Performance[J].Signal Processing,2003,83(3):1223-1238.

[3] 陳玲,陳德煌. 多站無源定位系統中的機動目標跟蹤算法[J].電訊技術，2010，50(11)：10-14.

CHEN Ling,CHEN De-huang. Tracking Algorithm for Maneuvering Target in Multiple Passive Sensor System[J].Telecommunication Engineering, 2010，50(11)：10-14.

[4] 陳玲.無源定位與跟蹤技術研究[D].北京:北京航空航天大學,2004.

CHEN Ling.Study of Passive Location and Tracking Technique[D].Beijing:Beijing University of Aeronautics and Astronautics,2004.

[5] NOROUZI Y,DERAKHSHANI M.Joint Time Difference of Arrival/Angle of Arrival Position Finding in Passive Radar[J].IET Proceedings on Radar,Sonar & Navigation,2009,3(2):167-176.

[6] BISHOP AN,BRIAN DO,FIDAN B,et al. Bearing-Only Localization Using Geometrically Constrained Optimization[J].IEEE Trans. on Aerospace and Electronic Systems,2009,45(1):308-320.

[7] BISHOP A N,PATHIRANA P N.Trajectory Characterizations for a Discrete-Time Bearing-Only Navigation Strategy[C]∥Proc.of the 16th Mediterranean Conference on Control and Automation Congress Centre,Ajaccio ,France,2008:1186-1191.

[8] KHALOOZADEH H,KARSAZ A.Modified Input Estimation Technique for Tracking Manoeuvring Targets[J].IET Proceedings on Radar,Sonar & Navigation,2009,3(1):30-41.

[9] CHEN H,LIU C R,LI C.Data Association Algorithm for Passive Sensor System[C]∥Proc.of the First International Workshop on Education Technology and Computer Science.Wuhan,2009:970-974.

[10] YAIRI T,KANAZAKI H.Bearing-Only Mapping by Sequential Triangulation and Multi-Dimensional Scaling[C]∥Proc.of the IEEE International Conference on Robotics and Automation,Pasadera,USA,2008:1449-1454.

[11] SONG T L.Observability of Target Tracking with Bearings-Only Measurements[J]. IEEE Transactions on Aerospace and Electronic Systems,1996,32(4):1468-1472.

[12] 付天驕，周共健，田文，等.無角度雙站地波雷達組合定位跟蹤和濾波算法[J].系統工程與電子技術，2011,33(3):552-556.

FU Tian-jiao,ZHOU Gong-jian,TIAN Wen,et al. HF Ground Wave Bi-Station Radar Tracking and Filtering without Azimuthal Measurements[J].Systems Engineering and Electronics, 2011,33(3):552-556.