靶场实时数据处理综合弹道计算方法

苏滢滢 李飞

摘要：目前在靶场试验中遥测数据处理起到了越来越重要的作用，把神经网络算法和渐消卡尔曼滤波方法结合起来，有效融合了遥弹道和外弹道数据，给出了实时综合弹道计算方法，试验证明该方法有效提高了武器试验鉴定中对实时目标的跟踪精度，为飞行试验的实时指挥显示、落点预报及地面安全控制提供了可靠的决策依据。

关键词：渐消滤波；神经网络；数据融合

中图分类号：TP393文献标志码：A文章编号：1008-1739（2019）05-70-3

0引言

随着军事现代化程度不断提高，武器装备迅速发展，对靶场试验测控系统提出了更高要求。目前，靶场外弹道跟踪设备包括光测、雷测和GPS等。在卫星导航引进靶场以前，测控主要以雷达和光学装备为主。在GPS引入测控系统以来，应用越来越广泛。由于其具有全天候测量能力、测量精度高等优点，目前靶场实时外弹道处理优先选取其作为主选信息源，进行弹道解算。同时，近年来遥测技术发展迅速，经过遥测参数解算处理出的内弹道数据作为一种重要的信息源，为辅助地面安全控制等指挥决策提供了可靠依据。但是综合遥外数据处理结果，精确合理地给出遥外融合弹道的计算方法仍是目前靶场实时数据处理的一项研究课题。

1渐消卡尔曼滤波[1，2]

靶场外弹道主信息源为GPS，其具有定位精度高的优点，但数据更新率低，容易受地形等因素影响，也无法提供姿态信息。而靶场遥测参数解算出的内弹道数据通常是捷联惯导数据居多。惯导系统可以实现连续实时自主导航，但缺点是误差会随时间累积，短时间内精度高，时间越长精度越低。所以为了充分有效地利用遥外弹道处理结果，将遥外弹道位置和速度信息的差值，经过卡尔曼滤波，估计惯导误差，对惯导系统进行修正。卡尔曼滤波方程如下。

3 BP神经网络与渐消卡尔曼滤波相结合算法

卡尔曼滤波对模型精度的要求很高，在飞行试验中尤其是目标高速机动情况下容易发散，而单纯的神经网络又不能满足精度和效率的要求。因此采取了BP网络与渐消卡尔曼滤波相结合的方法[4-5]，可靠性和容错能力都得到了提高[6]。在实时数据处理过程中，为了避免3个坐标方向的交叉耦合，采用了对， ， 3个方向网络并行的方式分别进行滤波和网络训练，可提高精度和速度，降低权值的调整速度，以满足飞行试验中实时数据处理对处理速度的需求。对每个单独方向的神经网络而言当靶场外弹道有GPS处理结果时，将外弹道GPS数据与通过遥测参数解算出的内弹道惯导数据的位置和速度数据差作为卡尔曼滤波器的输入数据，滤波结果作为综合弹道输出，同时对神经网络进行在线实时训练；当外弹道GPS失锁，只有内弹道数据时，用训练好的神经网络对遥测参数解算出的惯导数据进行调整，作为综合弹道输出。综合弹道计算结构图如图2所示。

4试验结论

根据上述BP神经网络与渐消卡尔曼滤波相结合算法，采用地心坐标系，截取一小段试验数据进行计算，对比方向在30 s处GPS外弹道失锁后，单独运用遥弹道解算的误差曲线与本算法利用BP神经网络对遥外弹道数据进行融合計算的综合弹道位置和速度误差曲线如图3和图4所示。、方向位置、速度曲线趋势与方向相似。

试验结果表明GPS数据失锁后，遥弹道的位置、速度误差增加很快。经BP神经网络和卡尔曼滤波对数据融合计算后，给出综合弹道的位置和速度误差都比之前有较大提高，为被试目标的实时跟踪提供了更加有效的保障。

参考文献

[1]高社生，薛丽，魏文辉.渐消自适应Unscented粒子滤波及其在组合导航中的应用[J].西北工业大学学报，2012，30（1）： 27-31.

[2]秦永元.卡尔曼滤波与组合导航原理[M].西安：西北工业大学出版社， 2007：103-136.

[3]陈燃，刘繁明.基于BP神经网络对INS/GPS组合导航数据融合技术的研究[D].哈尔滨：哈尔滨工程大学， 2009： 11-17.

[4]崔留争，高思远，贾宏光，等.神经网络辅助卡尔曼滤波在组合导航中的应用[J].光学精密工程，2014，22（5）：1304-1311 .

[5]林雪原，鞠建波.利用神经网络预测的GPS/SINS组合导航系统算法研究[J].武汉大学学报：信息科学版，2011，36（5）： 601-604.

[6]严恭敏，秦永元.捷联惯导算法及车载组合导航系统研究[D].西安：西北工业大学， 2004： 12-15.