任济寰， 吴祥， 薄煜明， 吴盘龙， 何山

(南京理工大学 自动化学院, 江苏 南京 210094)

0 引言

根据己方的观测数据进行弹道轨迹预测，是提升现代陆军反应速度和打击精度的重要手段。在陆军的进攻及防御反制措施中，对来袭弹进行拦截时，要求对弹道轨迹进行精准且高效的预测。

现役火控系统对弹道预测主要采用解算时间较短的射表函数逼近方法，通过建立运动学或动力学模型，利用函数逼近法等进行轨迹预报[1]。该方法设计过程繁琐、精度有限，且不同弹种的具体弹道和修正量需要分别解算，不利于火控系统的通用性发展[2]。为克服上述问题，基于数值积分法求解弹道微分方程组的方法被逐渐应用起来。该方法利用雷达获得来袭弹现在点位置、速度矢量及弹道参数，通过弹道解算来确定炮弹的未来运动轨迹[3]。弹道方程预测法虽然通用性较好，但需要多次弹道迭代才能得到较高精度的结果，实时性不强。

除以上弹道轨迹预测方法外，考虑到弹道轨迹是时序数据，可采用时序预测的方法对雷达采样数据进行处理、分析并进行预测。近年来，在机器学习领域涌现了一批优秀的时序预测方法，其中包括经典结合随机过程的高斯过程回归(GPR)[4-6]及高斯混合模型(GMM)[7]。考虑到弹道轨迹是一段复杂的非线性曲线，可将炮弹的轨迹视为一个随机过程，而随机过程可以表达为基于某一核函数的高斯过程(GP)。GP作为一个特殊的随机过程，它结合了贝叶斯后验概率和核方法，提供了一个有效的概率方法用于回归问题。……