基于SABA 优化的Volterra 级数空战目标机动轨迹预测
2023-03-31李战武彭明毓高春庆杨爱武徐安方诚喆
北京航空航天大学学报 2023年3期
李战武,彭明毓,高春庆,杨爱武,徐安,方诚喆
(1.空军工程大学 航空工程学院,西安 710038;2.空军工程大学 研究生院,西安 710038;3.中国人民解放军 94582 部队,信阳 464194)
近年来,随着空战进程的加快,空战目标的状态预测需求随之愈加迫切,因而信息化战场下,如何通过海量数据进行分析已成为一个热点问题。在空战对抗过程中,飞行员可通过海量的目标状态数据进行挖掘分析,挖掘出目标状态信息中利于作战决策的价值信息,从而及时、有效地获取目标潜在的作战规律,客观地分析、总结敌方的作战方式及特点,进而实现对战场态势的实时感知与获得优势占位[1]。因此,通过空战目标状态数据进行目标机动预测,对飞行员作战决策及获取先敌优势具有重要意义。
目前,目标机动轨迹预测主要有2 类途径。其中,一类的主要思想是利用卡尔曼滤波算法的传统预测思想进行轨迹预测。该方法具备优异的估计能力,对于运动状态变化大且随机性高、运动方式多样的目标轨迹有较强的适用性,因而能够实现目标实时的状态估计与预测,并适用于有限维度的线性和非线性目标时空运动轨迹。例如,姜佰辰等[2]针对目标运动模式变化多及机动幅度较大的情况,提出了一种基于多项式卡尔曼滤波的运动轨迹预测算法;赵帅兵等[3]针对历史位置信息存在缺失的情况,提出了一种具有系统噪声估计的改进卡尔曼滤波算法,对目标机动轨迹进行预测;乔少杰等[4]针对传统轨迹预测算法精度和实时性不足,提出了一种基于卡尔曼滤波的动态轨迹预测算法;……
登录APP查看全文
