阅读说明：本技术 一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法 (Full-automatic landing radar guiding noise suppression method based on alpha-beta-gamma filter ) 是由 张秀林 甄冲 王翼丰 桂敬玲 丁岩 于 2020-12-10 设计创作，主要内容包括：本申请提供了一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法,包括：1)建立机动目标跟踪模型；2)建立雷达测量噪声模型；3)确定α-β-γ滤波器的等效传递函数,以及含有α-β-γ滤波器的引导律结构；4)判定α-β-γ滤波器稳定性,从而确定α-β-γ滤波器的参数α、β、γ。本申请提供的基于α-β-γ滤波器的全自动着舰雷达引导噪声抑制方法,相比于传统的卡尔曼滤波方法,α-β-γ滤波器在较好地保证目标跟踪及预测精度的同时,能够大幅减小计算量和计算时间,具有良好的实时性,同时滤波器结构相对简单,更有利于工程实现；而与α-β滤波器相比,其对系统高频噪声有更好的抑制效果。(The application provides a full-automatic landing radar guiding noise suppression method based on an alpha-beta-gamma filter, which comprises the following steps: 1) establishing a maneuvering target tracking model; 2) establishing a radar measurement noise model; 3) determining an equivalent transfer function of the alpha-beta-gamma filter and a guide law structure containing the alpha-beta-gamma filter; 4) the stability of the alpha-beta-gamma filter is determined, and the parameters alpha, beta and gamma of the alpha-beta-gamma filter are determined. Compared with the traditional Kalman filtering method, the alpha-beta-gamma filter can greatly reduce the calculated amount and the calculated time while better ensuring the target tracking and predicting precision, has good real-time performance, and is relatively simple in structure and more beneficial to engineering realization; compared with an alpha-beta filter, the filter has better suppression effect on system high-frequency noise.)

一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法

技术领域

本申请属于飞行控制技术领域，特别涉及一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法。

背景技术

全自动着舰系统使用舰载跟踪雷达和数字计算机来测量飞机位置，计算出所需的俯仰和滚转控制指令，自动控制飞机按照期望轨迹飞行，以帮助飞行员在能见度低、夜间、恶劣海况以及空气扰动等情况下安全降落。

当飞机进入雷达截获窗时，舰载精密跟踪雷达不断地跟踪飞机的飞行轨迹，得到飞机相对于雷达测量坐标系的飞行距离、方位、俯仰角，直至飞机着舰或复飞。滤波就是要最大可能地从回波信号中过滤其包含的各类噪声，减小或消除噪声带来的影响，最终得到状态最优估计。在实际的雷达目标运动过程中，目标会做出各种机动，整个滤波系统是非线性的。该过程中需要消除的噪声污染一般分为两类，一类是雷达各分机模块自身产生的误差，另一类是大气空间中存在的各种电磁、气象等杂波干扰。舰载导引雷达必然处于复杂的电磁环境中，例如船队其他舰船信号、空中飞机的雷达电子系统、舰船上的其他雷达航电系统，都会对导引信息造成不同程度的杂波影响。由于导引雷达还可能面对电磁干扰，振幅过大的干扰信号甚至会导致雷达系统崩溃，无法工作。雷达噪声信号以中高频和高频为主。

在全自动着舰系统中，由于雷达信号主要频率分布区与着舰系统工作频率区一致，若俯仰指令中噪声含量较高，将导致飞机进场时的颠簸。过多的控制动作也会使驾驶员感到不适，影响其控制飞机安全着舰，若能降低控制指令中雷达噪声的灵敏度，着舰会更安全。但是，若为了降低俯仰指令中的噪声而一味地减小增益，则闭环系统的稳定性将受到不利的影响。常规方法使用跟踪滤波器，但在求取高度及其微分值时放大了噪声，若增加额外滤波器又会降低系统的响应速度。

目前比较常用的滤波方法有卡尔曼滤波和α-β滤波等。其中，α-β滤波器实质上是运动方程为匀速的卡尔曼滤波器的稳态解形式。尽管卡尔曼滤波是递归的，且是一种线性滤波方法，它不需要存储之前的状态信息，在每次递归运算时，只需将前一时刻的估计量和当前观测值进行计算，便可以得到当前的状态估计。但是与α-β滤波器相比，其系数并不固定，计算格式相对复杂，且涉及矩阵运算，数据存储量大，运算量相对于另外的滤波器成级数增大。实践表明，卡尔曼滤波器结构复杂，对目标模型比较敏感，模型噪声的选取对滤波精度有直接影响，此外，它的计算量以状态维数的三次方剧增，存在实时性差的问题，同时故障率也会随导航子系统的增加而增加。另一方面，α-β滤波器则只能用于对匀速运动的处理，使用条件比较严格。

发明内容

本申请的目的是提供了一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法，以解决或减轻背景技术中的至少一个问题。

本申请的技术方案是：一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法，包括：

1)建立机动目标跟踪模型；

2)建立雷达测量噪声模型；

3)确定α-β-γ滤波器的等效传递函数，以及含有α-β-γ滤波器的引导律结构；

4)判定α-β-γ滤波器稳定性，从而确定α-β-γ滤波器的参数α、β、γ。

其中，在步骤1中，机动目标跟踪模型主要包括匀加速度模型离散表达式为：

X(k+1)＝FX(k)+W(k)

式中，X为状态向量，F为状态转移矩阵，W为零均值高斯白噪声， k为时刻，其中，状态转移矩阵F和零均值高斯白噪声W满足：

式中，T为k时刻到k+1时刻采样间隔，为白噪声；

匀加速度模型离散时间系统的状态方程：

其协方差矩阵Q为：

式中，为噪声方差。

其中，在步骤2中，雷达测量噪声模型主要包括基于马尔可夫功率谱型的闪跃角噪声模型：

式中，f为频率，ω为其对应的角速度，f_m为闪跃半功率频率，ω_m为其对应的闪跃半功率角速度，W₀为零频率处的功率谱密度，以及由单位白噪声形成S_m(ω)对应的角噪声所需要的成形滤波器G_m(s)为：

同时包括高斯型测距噪声频谱S(f)为：

式中，a＝1.665，使得当时，S(f)＝0.5。

其中，在步骤3中，α-β-γ滤波器的等效传递函数主要包括目标的状态估计方程为：

式中，Z为测量值；

目标的预测方程为：

α-β-γ滤波器位置、速度、加速度估值的等效传递函数为：

式中，z为离散域符号，a₁、a₂、a₃、b₀、b₁、b₂均为系数，各项系数满足表格1：

[表格1]

其对应的连续域表达式为：

式中，s为连续域符号。

其中，在步骤4中，α-β-γ滤波器稳定性判定包括由系统在离散域的等效传递函数的特征方程：

f(z)＝z³-(3-α-β-γ)z²+(3-2α-β+γ)z-(1-α)

得到系统稳定的条件为：

其中，在步骤4中，确定参数α、β、γ包括由临界阻尼状态选择法得到α、β、γ与系统特征方程的三重正实根R的关系式为：

本申请提供的基于α-β-γ滤波器的全自动着舰雷达引导噪声抑制方法，相比于传统的卡尔曼滤波方法，α-β-γ滤波器在较好地保证目标跟踪及预测精度的同时，能够大幅减小计算量和计算时间，具有良好的实时性，同时滤波器结构相对简单，更有利于工程实现；而与α-β滤波器相比，其对系统高频噪声有更好的抑制效果。

附图说明

为了更清楚地说明本申请提供的技术方案，下面将对附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例。

图1为本发明马尔可夫噪声的形成原理图。

图2为本发明马尔可夫噪声的形成原理图。

图3为本发明所设计的含有α-β-γ滤波器的引导律结构示意图。

图4为本发明所设计的跟踪滤波器方块图。

图5为滤波器在R＝0.85时位置通道的滤波效果对比图。

图6为滤波器在R＝0.85时速度通道的滤波效果对比图。

图7为滤波器在R＝0.85时加速度通道的滤波效果对比图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。

为了实现上述技术问题，本申请提出的基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法：

S1、建立机动目标跟踪模型；

S2、建立雷达测量噪声模型；

S3、确定α-β-γ滤波器的等效传递函数，以及含有α-β-γ滤波器的引导律结构；

S4、判定α-β-γ滤波器稳定性，确定α-β-γ滤波器的参数α、β、γ。

步骤S1中建立机动目标跟踪模型的具体过程如下：

采用匀加速运动模型，目标位移为x(t)，速度为加速度为将干扰加速度的随机扰动也看作是均值为0的高斯白噪声则匀加速度模型的离散时间系统的状态表达式为：

则其协方差矩阵Q为：

其中，为噪声方差。

步骤S2中建立雷达测量噪声模型的具体过程如下：

首先建立基于马尔可夫功率谱型的噪声模型。闪跃角噪声的功率谱 S_m(ω)呈现马尔可夫型：

式中，f_m为闪跃半功率频率，W₀为零频率处的功率谱密度。

仿真时取经验数据f_m＝5Hz，由于ω＝2πf，因此式(3)亦可写作：

与S_m(ω)相对应的角噪声可由单位白噪声通过成形滤波器G_m(s)形成。 G_m(s)可由式(4)直接得出：

式中1/ω_m是相关时间τ_m，若选f_m＝5Hz，则τ_m＝0.0318s。

然后，建立基于高斯功率谱型的噪声。高斯型噪声的频谱S(f)按指数规律变化：

式中，a＝1.665为常数，使得当时，S(f)＝0.5；当f＝f_3dB时， S(f)＝0.067，其中f_3dB＝6MHz。在系统带宽内，其功率谱密度可认为是常数，这种噪声可处理为白噪声。

步骤3的具体过程如下：

α-β-γ滤波器的预测过程是通过现时测量值x(n)修正来得到最佳预测值并保证其同S(n+1)的未来值的均方误差最小。它的等效传递函数对应的连续域表达式为：

步骤4的具体过程如下：

根据系统在离散域的等效传递函数的特征方程：

f(z)＝z³-(3-α-β-γ)z²+(3-2α-β+γ)z-(1-α) (10)

可得当满足α>0、β>0、γ>0、2α+β≤4、2α>β、α(β+γ)>2γ时，系统稳定。同时由临界阻尼状态选择法得到α、β、γ与系统特征方程的三重正实根R的关系式为：

从而确定α、β和γ的值。

本申请提出的基于α-β-γ滤波器的全自动着舰雷达引导噪声抑制方法，相比于传统的卡尔曼滤波方法，α-β-γ滤波器在较好地保证目标跟踪及预测精度的同时，能够大幅减小计算量和计算时间，具有良好的实时性。同时其结构相对简单，更有利于工程实现。而与α-β滤波器相比，它不仅应用更加广泛，还对系统高频噪声有更好的抑制效果。因此，α-β-γ滤波器在全自动着舰系统中可以滤除噪声，对位置和速度信息起到平滑、估计的作用，实现对机动目标的良好跟踪，从而协助系统完成飞机的引导工作。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。