储雪峰，吴 楠，王 锋，皇甫列锋

(1.中国人民解放军战略支援部队信息工程大学，河南 郑州 450001;2.中国人民解放军32682部队，山东 济南 250000)

天基红外导弹预警系统探测弹道导弹，主要是通过探测发动机尾焰辐射信号的角度信息来估计目标运动状态，其典型代表是美国的天基红外系统(Space Based Infrared System，SBIRS)［1］。由于探测器存在系统误差，且长距离探测受到大气层较强的干扰，探测数据中同时含有随机误差。为了实时估计目标的运动状态，需要对导弹进行运动建模，并设计滤波算法对导弹运动进行滤波。助推段弹道导弹机动性强，当前统计(Current Statistic，CS)模型［2］将导弹机动加速度看作一阶时间相关过程，能较好地匹配导弹在助推段的运动情况。目前，常用的非线性滤波算法主要有扩展卡尔曼滤波(Extended Kalman Filtering，EKF)［3］、无迹卡尔曼滤波(Uncented Kalman Filtering，UKF)［4］和容积卡尔 曼 滤 波(Cubature Kalman Filtering，CKF)［5］等。SBIRS探测模型的非线性较强，采用EKF进行估计可能会产生较大的截断误差［6］。导弹状态矢量维数较高，采用UKF进行估计可能出现状态协方差矩阵不正定的情况，导致滤波中断［7］。CKF算法是利用容积点非线性传播的后验统计特性来近似高斯积分，可以克服上述问题，但时间更新和测量更新两个阶段均需构造2n个容积点(n为机动目标状态矢量的维数)，当n较大时运算量较大。由于导弹在助推段运动时间短，弹道估计对滤波算法时效性要求比较高，有必要从运算效率上对CKF算法进行改进。

本文提出一种简化CS-CKF的助推段弹道估计方法，测量更新采用构造容积点非线性传播的方式实现，而状态和协方差一步预测按照线性状态方程计算。……