一种基于辅助状态参数的脉冲机动检测方法
阅读说明：本技术 一种基于辅助状态参数的脉冲机动检测方法 (Pulse maneuver detection method based on auxiliary state parameters ) 是由 黄普 淡鹏 汪彬 王奥 张重阳 李海玥 张杨 于 2021-09-07 设计创作，主要内容包括：本发明公开的一种基于辅助状态参数的脉冲机动检测方法,具体步骤为步骤1、建立目标在地心J2000惯性系下的机动动力学模型,在状态向量中增加辅助参数；步骤2、根据步骤1建立的机动动力学模型,进行无味卡尔曼滤波,估计机动检测辅助参数；步骤3、在步骤2得到辅助参数估计结果下,根据辅助变量的特性,判断检测目标机动。本发明针对传统方法中设计合适辅助参数困难的问题,结合辅助参数在脉冲机动前后,会出现明显的脉冲变化,并以此变化为基础,计算目标发生机动的概率,最终确定目标是否机动,可有效检测目标机动。(The invention discloses a pulse maneuvering detection method based on auxiliary state parameters, which comprises the specific steps of 1, establishing a maneuvering dynamics model of a target under a geocentric J2000 inertial system, and adding auxiliary parameters in a state vector; step 2, performing tasteless Kalman filtering according to the maneuvering dynamics model established in the step 1, and estimating maneuvering detection auxiliary parameters; and 3, judging the maneuvering of the detection target according to the characteristics of the auxiliary variables under the condition of obtaining the auxiliary parameter estimation result in the step 2. Aiming at the problem that proper auxiliary parameters are difficult to design in the traditional method, the invention combines the auxiliary parameters before and after the pulse maneuver, obvious pulse changes can occur, and based on the changes, the probability of the maneuver of the target is calculated, and finally whether the target is maneuvered or not is determined, so that the target maneuver can be effectively detected.)
技术领域
本发明属于航天飞行器机动轨道技术领域，具体涉及一种基于辅助状态参数的脉冲机动检测方法。
背景技术
机动检测是机动目标跟踪的核心问题，现有技术进行机动检测的计算思路是：首先建立目标动力学模型，然后设计滤波器，接收测量数据，分析滤波过程中的指定信息变化，按照相应的检测准则，对目标是否机动进行判断。其中，指定信息和检测准则是目标机动检测方法优劣的重要因素。于是，国内外学者从不同角度对这两方面进行研究和分析，指定信息方面主要是滤波残差信息或扩展状态信息；滤波残差新息是指目标发生机动后，原有的动力学模型将不再匹配，通过滤波过程中滤波残差(又称新息)的剧烈变化可完成目标机动检测，该方法机动检测过程较为直观，然而，滤波残差如不经过数学处理，会带来较多的虚警和决策的困难，为此，相关学者针对残差进行相应统计处理，如求取归一化的残差平方和，残差累加和等，以得到更好的检测效果；扩展状态信息是指在滤波器的状态信息中加入设定的辅助参数，通过滤波器实时估计辅助参数，利用辅助参数的变化完成机动检测，该方法机动检测准确性会比滤波残差新息方法高，该方法需要分析目标的状态特性，只有合适的辅助参数才会准确的检测目标机动，设计辅助参数会很困难。
发明内容
本发明的目的是提供一种基于辅助状态参数的脉冲机动检测方法，解决了传统目标机动检测方法中设计辅助参数困难的问题。
本发明所采用的技术方案是，一种基于辅助状态参数的脉冲机动检测方法，其特征在于，具体包括如下步骤：
步骤1、建立目标在地心J2000惯性系下的机动动力学模型，在状态向量中增加辅助参数；
步骤2、根据步骤1建立的机动动力学模型，进行无味卡尔曼滤波，估计机动检测辅助参数；
步骤3、在步骤2得到辅助参数估计结果下，根据辅助变量的特性，判断检测目标机动。
本发明的其他特点还在于，
步骤1中机动动力学模型在位置、速度、加速度状态量的基础上，引入辅助参数，完成加速度的一阶模型建立。
步骤1加速度的一阶模型建立过程如下：
步骤1.1、设置机动目标状态向量为，X＝[r,v,a,b]；r为目标位置，r＝(x,y,z)T，v为目标速度，a为目标加速度，b为辅助参数， 为每秒消耗的质量，m为目标质量；
对辅助参量进行求导，可得：考虑到目标的比冲为当F不变时，比冲Isp也不变，即建立辅助参数的微分模型b'＝b2；
步骤1.2、建立目标机动动力学模型：
式(1)中，gr为引力加速度在地心矢径上的分量，gw为引力加速度在地球自转轴矢量上的分量，其中J2＝1.08263×10-3为二阶带谐项系数；μ＝3.986005×1014m3/s2为地球引力常数；Re＝6378140.0m为地球赤道半径；r为目标位置矢量的模，z为目标位置矢量z方向的值，为ECI天球北极；p为推力方向矢量。
采用无味卡尔曼滤波UKF算法完成状态估计的具体步骤为：
步骤2.1、采用合作式目标UKF滤波轨道，确定状态初始化；
状态变量滤波初值：其中，r和是初始位置和速度，a为初始加速度，b为初始辅助变量，默认为0；初始方差矩阵：P0＝diag(1.0e4,1.0e4,1.0e4,10,10,10,1,0.0002)，diag为对角矩阵运算；过程噪声协方差矩阵：Q＝diag(0,0,0,1.0e-5,1.0e-5,1.0e-5，0，0)；观测噪声协方差矩阵：R＝diag(100,0.05,0.05,1)；
步骤2.2、无味变换，计算采样点，将滤波状态初值按照公式(2)(3)计算相应的采样点和权值，采样点共2n+1个，因为n为状态变量的个数，共8个，采样点为17个；
式(2)中，为(n+κ)Pxx的平方根矩阵的第i行或列；
对应的权值：
其中，ωi为第i个Sigma点的权值；κ为比例参数，用于调节Sigma点和x的距离，仅影响二阶之后的高阶矩带来的偏差；α为正值的比例缩放因子，控制Sigma点的分部范围，通常取(0，1)的一个较小的值，β为引入f(·)高阶项信息的参数；本发明中，κ＝-5,α＝0.5,β＝2。
步骤2.3、状态预测；
通过采样点加权处理，获得状态向量的一步预测状态值和状态方差矩阵，同时，根据一步预测状态值计算出一步预测观测值；
式中，f(·)为状态方程，H(·)为观测方程；
步骤2.4、测量预测，通过采样点加权处理，获得根据观测值的一步预测方差矩阵和状态观测协方差矩阵；
步骤2.5、增益计算，根据一步预测方差矩阵和状态观测协方差矩阵计算无味卡尔曼滤波器的滤波增益；
步骤2.6、状态更新，按照上述步骤计算的结果，计算下一时刻的状态值和状态方差矩阵；
步骤3的具体过程为：根据步骤2中无味卡尔曼滤波的估计结果，进行假设检验；首先，记录滤波器稳定后的辅助参数均值和方差，滤波稳定以滤波残差为标志，当滤波残差连续180秒在PYY(k+1,k)对角线的3倍门限值以内，认为此时滤波进入稳定状态；其次，计算辅助变量在正态分布中的分布概率，正态分布的均值为辅助参数均值，方差为辅助参数方差，计算结果为pdf(b)；最后，以1-pdf(b)的值判断目标是否机动，构建假设函数；当H0：1-pdf(b)的值大于95％，则表示机动；当H1：1-pdf(b)的值小于95％，则表示非机动。
本发明的有益效果是，本发明针对传统方法中设计合适辅助参数困难的问题，根据目标脉冲机动的特性，在脉冲机动前后，根据目标比冲与加速度变化间存在的联系，提炼出一种辅助参数，该参数与目标机动加速度变化息息相关，特别是在脉冲机动前后，会出现明显的脉冲变化，本发明以此变化为基础，计算目标发生机动的概率，最终确定目标是否机动。本发明方法简单明了，可有效检测目标机动，大幅提高效率，满足快速规划计算的需求；具备广泛的适用性。
附图说明
图1是本发明飞行器机动全过程的高度变化曲线图；
图2是本发明飞行器机动全过程的三维弹道曲线图；
图3是本发明飞行器的机动控制加速度变化曲线图；
图4是本发明飞行器的辅助参数变化曲线图；
图5是本发明飞行器机动概率变化曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的一种基于辅助状态参数的脉冲机动检测方法，如图1所示，具体过程包括如下步骤：
步骤1、建立目标在地心J2000惯性系下的机动动力学模型，在状态向量中增加辅助参数；
机动动力学模型在位置、速度、加速度状态量的基础上，引入辅助参数，完成加速度的一阶模型建立，加速度的一阶模型建立过程如下：
步骤1.1、设置机动目标状态向量为，X＝[r,v,a,b]；r为目标位置，r＝(x,y,z)T，v为目标速度，a为目标加速度，b为辅助参数， 为每秒消耗的质量，m为目标质量；
对辅助参量进行求导，可得：考虑到目标的比冲为当F不变时，比冲Isp也不变，即建立辅助参数的微分模型b'＝b2，提高辅助参数的估计准确性；
步骤1.2、建立目标机动动力学模型：
式(1)中，gr为引力加速度在地心矢径上的分量，gw为引力加速度在地球自转轴矢量上的分量，其中J2＝1.08263×10-3为二阶带谐项系数；μ＝3.986005×1014m3/s2为地球引力常数；Re＝6378140.0m为地球赤道半径；r为目标位置矢量的模，z为目标位置矢量z方向的值，为ECI天球北极；p为推力方向矢量。
步骤2、根据步骤1建立的机动动力学模型，进行无味卡尔曼滤波，估计机动检测辅助参数；
采用无味卡尔曼滤波UKF算法完成状态估计的具体步骤：
步骤2.1、采用合作式目标UKF滤波轨道确定状态初始化；
状态变量滤波初值：其中，r和是初始位置和速度，a为初始加速度，b为初始辅助变量，默认为0；初始方差矩阵：P0＝diag(1.0e4,1.0e4,1.0e4,10,10,10,1,0.0002)，diag为对角矩阵运算；过程噪声协方差矩阵：Q＝diag(0,0,0,1.0e-5,1.0e-5,1.0e-5，0，0)；观测噪声协方差矩阵：R＝diag(100,0.05,0.05,1)。
步骤2.2、无味变换，计算采样点，将滤波状态初值按照公式(2)(3)计算相应的采样点和权值，采样点共2n+1个，因为n为状态变量的个数，共8个，采样点为17个；
式(2)中，为(n+κ)Pxx的平方根矩阵的第i行或列；
对应的权值：
其中，ωi为第i个Sigma点的权值；κ为比例参数，用于调节Sigma点和x的距离，仅影响二阶之后的高阶矩带来的偏差；α为正值的比例缩放因子，控制Sigma点的分部范围，通常取(0，1)的一个较小的值，β为引入f(·)高阶项信息的参数。本方案中，κ＝-5,α＝0.5,β＝2。
步骤2.3、状态预测。通过采样点加权处理，获得状态向量的一步预测状态值和状态方差矩阵，同时，根据一步预测状态值计算出一步预测观测值。
式中，f(·)为状态方程，H(·)为观测方程；
步骤2.4、测量预测，通过采样点加权处理，获得根据观测值的一步预测方差矩阵和状态观测协方差矩阵；
步骤2.5、增益计算，根据一步预测方差矩阵和状态观测协方差矩阵计算无味卡尔曼滤波器的滤波增益；
步骤2.6、状态更新，按照上述步骤计算的结果，计算下一时刻的状态值和状态方差矩阵；
步骤3、在步骤2得到辅助参数估计结果下，根据辅助变量的特性，判断检测目标机动，采用辅助变量完成脉冲机动检测。
步骤3的具体过程为：根据步骤2中无味卡尔曼滤波的估计结果，进行假设检验；首先，记录滤波器稳定后的辅助参数均值和方差，滤波稳定以滤波残差为标志，当滤波残差连续180秒在PYY(k+1,k)对角线的3倍门限值以内，认为此时滤波进入稳定状态；其次，计算辅助变量在正态分布中的分布概率，正态分布的均值为辅助参数均值，方差为辅助参数方差，计算结果为pdf(b)；最后，以1-pdf(b)的值判断目标是否机动，构建假设函数；当H0：1-pdf(b)的值大于95％，则表示机动；当H1：1-pdf(b)的值小于95％，则表示非机动。
实施例
本实施例中测量数据为四个地面测站的联合仿真数据(R,dR)，并加载与各设备性能相当的随机误差，测距：10m，测速：0.2m/s，仿真弹道共计400s，滤波初值误差考虑在三个方向位置和速度上分别加20m和1m/s的常值误差。
飞行器机动全过程的高度变化曲线，如图1所示，从图中可以看出，飞行器从开始阶段高度逐步上升，在180秒附近，飞行器高度上升的速率突然加快，显示此时飞行器存在机动；飞行器机动全过程的三维弹道曲线，如图2所示，从图中可以看出，飞行器在地心惯性J2000坐标系中XYZ三个方向位置变化趋势；飞行器的机动加速度变化曲线，如图3所示，从图中可以看出，飞行器在180s时加速度存在突变，即发生脉冲机动，机动加速度为12.6m/s2，持续时间10s；飞行器辅助参数的变化情况，如图4所示，可以看出，飞行器辅助参数在目标机动后发生变化，变化逐步剧烈，反应了目标的机动特性。飞行器机动概率变化如图5所示，可以看出，由辅助参数计算的目标机动概率在180秒后发生较大变化，直至220秒后，机动概率大于95％，可在此刻确认目标机动。