CN103822636A - 一种空对地制导武器捷联寻的视线重构方法 - Google Patents

Abstract

本发明为一种空对地制导武器捷联寻的视线重构方法，适用于捷联成像导引头视线角速率的提取。该发明设计基于伪距、伪距率的紧耦合组合导航，以获得弹体姿态信息，利用姿态信息提供惯性基准并设计解耦算法，提取惯性系下的视线角，然后对得到的视线角进行小波滤波，抑制背景噪声和热噪声，通过跟踪微分器（TD）得到惯性系下的视线角速率，抑制数字微分的噪声，最后坐标变换得弹体系下的视线角速率。本发明解决了捷联寻的制导工程应用中的几大难题：低精度的惯组捷联导航误差累积过快；弹体姿态运动对视线角的耦合影响；制导所需的视线角速率信号不能直接量测；测量噪声的影响。本发明在捷联式导引头制导武器领域有着广阔的应用前景。

Description

一种空对地制导武器捷联寻的视线重构方法

技术领域

本发明涉及一种末制导信号提取方法，特别涉及一种空对地制导武器捷联寻的视线重构方法，属于制导与控制领域。

背景技术

自上世纪六十年代，随着探测与成像技术的不断发展，导引头瞬时视场已经达到可以去掉万向支架的程度，捷联导引头及其寻的制导技术也就应运而生。捷联寻的制导技术作为一种低成本、高可靠性的新型制导技术，受到了各军事强国的重视，并得到了迅速发展，并在新式低成本精确制导武器中得到了实际应用。由于摆脱了机械结构的限制，使导引头的可靠性增加、视线跟踪角速率不受限制、俯仰和方位跟踪通道之间的摩擦交叉耦合消失、系统的结构复杂性和价格下降。

由于世界各国对该项技术的高度保密，至今国外早期的研究报告仍未解密。确认西方捷联成像寻的制导技术的研究现状及实战应用情况比较困难。但军事大国为突破捷联成像寻的制导的有关技术，如稳定性、滤波、先进的制导算法技术方面投入了大量的财力与人力，仅仅美国海军研究所1999年在捷联导引头DAMASK的先期研制上就耗资1500万美元。可以肯定的是捷联导引头是解决国内低成本末制导武器的一种有效途径，国内也逐渐重视捷联控制技术的应用，本文提出的一种空对地制导武器的捷联寻的视线重构方法旨在作为GPS辅助制导，以提高制导精度，解决了应用中的几个重要制约难题：低精度的惯组捷联导航误差累积快；短时GPS信号屏蔽、中断或星数小于4颗时仍可提供导航信息输出；弹体姿态运动对视线角的耦合影响，制导所需的视线角速率信号不能直接量测，测量噪声对控制系统影响。

捷联寻的制导技术的应用简化了传统导引头的伺服机构，结构设计简单，便于维护，可靠性高，在成本、功耗、体积和重量等方面具有明显的优势，是未来低成本精确制导武器发展的一个重要方向。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种空地制导武器捷联成像导引头视线重构方法，为捷联导引头在低成本空地制导武器上的实际应用提供技术支持。

本发明技术解决方案：一种空对地制导武器捷联寻的视线重构方法。采用自适应卡尔曼滤波设计基于伪距、伪距率的SINS/GPS紧耦合组合导航系统，以提高低精度的捷联惯性导航系统和GPS导航系统的组合导航精度，获得弹体姿态信息，通过坐标系转换，推导了捷联成像导引头视线角解耦算法并实现了弹体姿态运动的解耦，得到惯性系下的导引头视线角，然后通过小波滤波算法对惯性系视线角进行降噪处理，通过跟踪微分器提取惯性系视线角微分信号，得到惯性系下的视线角速率，最后通过坐标转换得到弹体系下的导引头视线角速率，完成捷联寻的视线重构。具体实现步骤如下：

第一步，通过导引头得到弹体系下的视线角；

第二步，通过自适应卡尔曼滤波对捷联惯性导航和GPS导航的紧耦合组合导航方式进行最优估计获得实时弹体姿态信息；

第三步，根据弹体姿态信息，进行体系转惯性系坐标变换，将导引头输出的体视线角转换成惯性系下视线角；

第四步，对得到的惯性系下的视线角进行小波滤波，设计纵向小波滤波器，选取滤波参数，对纵向视线角中的噪声进行处理，得到惯性系下滤波后的纵向视线角信号；同时，设计侧向小波滤波器，选取滤波参数，对侧向视线角中的噪声进行处理，得到惯性系下滤波后的侧向视线角信号；

第五步，通过微分环节计算惯性系下角速率信号，设计纵向与侧向两套跟踪微分器（TD），得到输入视线角的微分信号，并且有效抑制数字微分过程的噪声，其中纵向跟踪微分器输入视线高低角，输出视线高低角速率，侧向跟踪微分器输入视线方位角，输出视线方位角速率；

第六步，再次根据紧耦合组合导航输出的弹体姿态信息进行惯性系转体系坐标变换，将第五步得到的视线角速率信号转换成体系下的视线角速率信号；

第七步，最后将体系下视线角速率信号输出到导引环节解算制导指令。

所述步骤二，紧耦合组合导航方式具体实现过程如下：

（1）通过捷联惯组测量弹体信息，包括速度、位置和姿态，根据捷联惯组输出的弹体位置和速度得到基于捷联惯组的伪距和伪距率；

（2）通过GPS接收机测量GPS的伪距、伪距率等信息；

（3）自适应卡尔曼滤波环节，把步骤（1）、步骤（2）得到的伪距和伪距率求差作为观测量建立组合导航系统的量测方程，以弹体的东北天速度偏差、经纬高位置偏差、俯仰偏航滚动姿态偏差和GPS的时钟偏差以及时钟漂移11个参数作为状态量建立状态方程，通过自适应卡尔曼滤波器进行最优估计；

（4）利用步骤（3）估计出状态量的误差，并对（1）捷联惯组测量的弹体信息和步骤（2）中GPS测量的伪距、伪距率进行反馈补偿校正，即获得较高精度的弹体姿态信息。

所述步骤三，根据弹体姿态信息，进行弹体系到惯性系的坐标变换，将导引头输出的体视线角转换成惯性系下视线角，并且将导引头测量信号中耦合的弹体运动信息去除，具体实现过程如下：

（1）引入步骤三所需坐标系，并给出导引头输出视线角的定义，确定坐标系之间的关系；

（2）根据步骤二所得到的弹体姿态信息，设计坐标系转换矩阵，完成坐标系转换，得到惯性系下的视线角，去除耦合的弹体运动信息。

所述步骤四具体过程如下：

（1）利用快速离散小波变换算法分别对惯性系下的纵、侧向视线角进行小波分解得到相应的尺度系数和小波系数；

（2）通过阈值收缩化方法分别确定纵、侧向小波收缩阈值，对（1）得到的小波系数进行阈值收缩处理；

（3）利用逆小波变换算法得到滤波后的纵、侧向视线角信号。

所述步骤五具体实现如下：

（1）首先根据跟踪微分器的原理，设计出纵、侧向跟踪微分器的离散形式，二者形式相近具体参数不同；

（2）分别根据纵、侧向视线角信号与噪声信号特点，调节速度因子与滤波因子两个参数，完成纵、侧向跟踪微分器设计，得到惯性系下的纵、侧向视线角速率。

本发明与现有技术相比的优点在于：

（1）本发明在工程上成功的应用简化了传统导引头的伺服机构，结构设计简单，便于维护，提高了系统可靠性，并且降低成本。

（2）对低精度惯组进行自适应卡尔曼滤波紧耦合组合导航设计，获取导航姿态信息，该方法提高了姿态信息精度，提高了系统稳定性，降低了成本。

（3）采用坐标变换解耦方法来消除弹体姿态运动对视线角速率耦合的影响，该方法无需添加新的探测设备，软件实现简单，便于工程实践。

（4）相比于傅里叶变换，小波变换不仅能反映信号的频率强度及成分，并且能反映信号中某频率成分在时域的出现时刻，该特点更有利于对导航系视线角中噪声的分析，并能针对不同的噪声选取不同的变换基（小波基），能够有效剔除捷联成像导引头的量测噪声。

（5）运用跟踪微分器求取视线角微分，可以有效的抑制噪声，相比传统求取微分方式得到惯性视线角速率会被噪声严重污染的缺点改进效果明显。跟踪微分器既能够快速跟踪输入信号，又能准确估计其微分信号的一种非线性跟踪微分器。

附图说明

图1为本发明方法实现流程图；

图2为本发明中紧耦合组合导航原理图；

图3为本发明中坐标转换图；

图4为本发明中弹体系视线角示意图；

图5为本发明中小波滤波流程图；

图6为本发明中惯性系下方位角滤波后效果图；

图7为本发明中TD算法示意图；

图8和图9为本发明中TD微分结果。

具体实施方式

如图1所示，本发明具体实现步骤如下：

步骤一，通过导引头量测得到弹体系下的视线角；

步骤二，对低精度惯导进行紧耦合组合导航获得姿态信息。

紧耦合组合导航是先计算得到捷联惯组和GPS的伪距、伪距率，把求得的伪距、伪距率求差作为为组合系统的观测量，通过自适应卡尔曼滤波器对捷联惯组的速度、位置、姿态和GPS时钟的误差等进行最优估计，然后进行校正。由于组合结构是在伪距、伪距率级别上的组合，它的组合滤波器构型能够消除由GPS和卡尔曼滤波器导致的未建模误差，从而提高导航精度。在紧耦合组合导航模式中，由于利用的外部观测量是GPS接收机各个通道上的伪距、伪距率等原始信息，所以对于短时GPS卫星遮蔽、中断等导致的可见星数少于4颗时，组合系统仍然能够提供导航输出，避免惯性导航单独工作使捷联解算的误差积累过快的情况，保证系统的连续导航能力。与松组合相比，它的主要优点是：直接利用GPS的原始观测量，不存在测量相关问题；当GPS卫星数低于4时，系统仍能短期正常工作，紧耦合导航工作原理如图2所示，具体实现步骤如下。

(1)建立系统的状态方程

基于伪距、伪距率的紧组合模式，可利用状态扩充法将GPS接收机的时钟偏差和时钟漂移作为状态变量扩充到系统的状态量中，使其符合卡尔曼滤波的要求。以东北天地理系作为导航坐标系，系统的状态方程为：

$\left[\begin{array}{c}\stackrel{.}{x_i\left(t\right)}\\ \stackrel{.}{x_g\left(t\right)}\end{array}\right]=\left[\begin{array}{cc}{F}_i\left(t\right)& 0\\ 0& F_g\left(t\right)\end{array}\right]\left[\begin{array}{c}{x}_i\left(t\right)\\ x_g\left(t\right)\end{array}\right]+\left[\begin{array}{cc}{G}_i\left(t\right)& 0\\ 0& G_g\left(t\right)\end{array}\right]\left[\begin{array}{c}{W}_i\left(t\right)\\ W_g\left(t\right)\end{array}\right]$

式中:下标i表示的是捷联惯组的参数变量；下标g表示的是GPS的参数变量。选取11个参数作为状态变量，分别为载体的东北天速度误差[δV_e、δV_n、δV_u]、姿态角误差[δθ、δψ、δγ]、纬经高误差[δL、δλ、λh]、接收机的时钟偏差δt和时钟漂移δt_e。

系统的状态方程可进一步表示为：

$\stackrel{.}{X}\left(t\right)=F\left(t\right)X\left(t\right)+G\left(t\right)W\left(t\right)$

其中X(t)是状态变量，X(t)=[x_i(t)x_g(t)]^T；F(t)表示的是11×11维的状态转移矩阵， $F\left(t\right)=\left[\begin{array}{cc}{F}_i\left(t\right)& 0\\ 0& F_g\left(t\right)\end{array}\right];$ G(t)表示的是噪声驱动矩阵，W(t)表示的是噪声向量。

(2)建立系统的量测方程

弹体的实际地理位置可用纬度、经度、高度表示，弹体在地心坐标系中的真实位置用(x,y,z)表示，第k颗卫星在地心系中的位置为(x_s ^k,y_s ^k,z_s ^k)，捷联惯组给出的弹体位置用(x_i,y_i,z_i)表示，则系统的伪距量测方程为：

系统的伪距量测方程为：

Z_ρ(t)=H_ρ(t)X(t)+V_ρ(t)

式中：H_ρ和V_ρ(t)分别为系统的量测矩阵和量测噪声。

系统的伪距率量测方程为：

$Z_{\stackrel{.}{\mathrm{\ρ}}}\left(t\right)=H_{\stackrel{.}{\mathrm{\ρ}}}\left(t\right)X\left(t\right)+V_{\stackrel{.}{\mathrm{\ρ}}}\left(t\right)$

式中：

和

分别为系统的量测矩阵与量测噪声。

(3)自适应卡尔曼滤波

组合导航参数估计采用自适应卡尔曼滤波进行，将各子系统的观测数据输入到滤波器中进行集中滤波处理，得到状态量的最优估计。组合导航系统的状态方程和量测方程为:

$\left\{\begin{array}{c}{X}_k={\mathrm{\Φ}}_{k/k-1}{X}_{k-1}+{\mathrm{\Γ}}_{k-1}{W}_{k-1}\\ Z_k=H_k{X}_k+V_k\end{array}\right.$

式中Φ_k/k-1为t_k-1时刻至t_k时刻的一步转移矩阵；Γ_k-1为系统噪声驱动矩阵；H_k为量测阵；W_k-1为系统噪声向量；向量V_k为量测噪声序列。

构造误差方差阵Δ_k为：

${\mathrm{\Δ}}_k=\frac{\sqrt{2}}{2}\×Z_k{Z}_k^T$

误差方差阵随着残差的变化而变化，使得误差估计值对残差的变化更敏感，从而提高了估计的准确度。

根据误差方差阵的估计值求得渐消因子λ_k，将渐消因子λ_k代入计算P_k阵，继而实现滤波估计。

$P_{k|k-1}={\mathrm{\λ}}_k{\mathrm{\Φ}}_k{P}_{k-1}{\mathrm{\Φ}}_k^T+Q_{k-1}$

式中：P_k为状态估计误差协方差阵，Q_K为状态转移噪声方差阵。

这种组合导航算法提高了低精度惯组的姿态信息精度。

步骤三，对导引头输出的体坐标系下的视线角进行解耦，将体视线角转换成惯性系下视线角。

捷联寻的成像导引头只能测量目标相对于弹体的视线角，而在制导过程中,弹体相对于惯性空间是运动的。因此,捷联寻的成像导引头测量的体视线角变化率中包含了弹目视线相对惯性空间的变化率和弹体姿态运动两部分信息,制导系统要实现制导律则必须将导引头测量信号中耦合的弹体姿态运动信息去除。因此需要设计合适的解耦算法以实现弹体姿态运动的解耦，从而获得弹目连线相对惯性空间的变化率。

在对视线角提取时，需用到的坐标系有：惯性坐标系OX_IY_IZ_I、弹体坐标系OX_BY_BZ_B、体视线坐标系OX_PY_PZ_P、视线坐标系OX_LY_LZ_L，各坐标系间的转换关系见图3。其中：

θ为俯仰角，ψ为偏航角，γ为滚转角，λ_IH为惯性系方位角，λ_IV为惯性系高低角，λ_BH为弹体系方位角，λ_BV为弹体系高低角，γ_L视线倾斜角。

导引头的输出为体视线角，坐标系关系见图4，其中：

λ_BV：体视线高低角，为弹目视线MT在X_BOY_B面上的投影与OX_B夹角，投影在OX_B上方为正；

λ_BH：体视线方位角，为弹目视线MT在X_BOZ_B面上的投影与OX_B夹角，投影在OX_B右侧为正；

弹目视线MT在弹体系下三轴的投影为[x y z]_b ^T，则有：

$\tan \left({\mathrm{\λ}}_{\mathrm{BV}}\right)=\frac{y}{x}$

$\tan \left({\mathrm{\λ}}_{\mathrm{BH}}\right)=\frac{z}{x}$

设x为1，则

$\left\{\begin{array}{c}y=\tan \left({\mathrm{\λ}}_{\mathrm{BV}}\right)\\ z=\tan \left({\mathrm{\λ}}_{\mathrm{BH}}\right)\end{array}\right.$

即

${\left[\begin{array}{c}x\\ y\\ z\end{array}\right]}_B=\left[\begin{array}{c}1\\ \tan \left({\mathrm{\λ}}_{\mathrm{BV}}\right)\\ \tan \left({\mathrm{\λ}}_{\mathrm{BH}}\right)\end{array}\right]$

定义弹目视线MT在惯性系（导航系）下三轴的投影为[x y z]_I ^T，则有：

${\left[\begin{array}{c}x\\ y\\ z\end{array}\right]}_I=C_b^n{\left[\begin{array}{c}x\\ y\\ z\end{array}\right]}_B$

其中

为体系到惯性系下的坐标转换：

$C_b^n=\left[\begin{array}{ccc}\cos \mathrm{\ψ}\cos \mathrm{\θ}& -\cos \mathrm{\ψ}\sin \mathrm{\θ}\cos \mathrm{\γ}+\sin \mathrm{\ψ}\sin \mathrm{\γ}& \cos \mathrm{\ψ}\sin \mathrm{\θ}\sin \mathrm{\γ}++\sin \mathrm{\ψ}\cos \mathrm{\γ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\cos \mathrm{\γ}& -\cos \mathrm{\θ}\sin \mathrm{\γ}\\ -\sin \mathrm{\ψ}\cos \mathrm{\θ}& \sin \mathrm{\ψ}\sin \mathrm{\θ}\cos \mathrm{\γ}+\cos \mathrm{\ψ}\sin \mathrm{\γ}& -\sin \mathrm{\ψ}\sin \mathrm{\θ}\sin \mathrm{\γ}+\cos \mathrm{\ψ}\cos \mathrm{\γ}\end{array}\right]$

取[x y z]_I ^T的模为RMT，即：RMT=|[x y z]_I ^T|，对[x y z]_I ^T进行单位归一化，可得惯性系下的视线向量E_I。

即 $E_I=\left[\begin{array}{c}\mathrm{ER}\left[0\right]\\ \mathrm{ER}\left[1\right]\\ \mathrm{ER}\left[2\right]\end{array}\right]={\left[\begin{array}{c}x\\ y\\ z\end{array}\right]}_I/\mathrm{RMT}$

通过数学关系推导就获得了惯性下的视线向量。然后可得惯性系下视线角：

${\mathrm{\λ}}_{\mathrm{IV}}=\mathrm{sign}\left(\mathrm{ER}\right[1\left]\right)\×a\sin \left(\mathrm{ER}\right[2]/\sqrt{\mathrm{ER}{\left[2\right]}^2+\mathrm{ER}{\left[1\right]}^2})$

${\mathrm{\λ}}_{\mathrm{IH}}=\mathrm{sign}\left(\mathrm{ER}\right[1\left]\right)\×a\sin \left(\mathrm{ER}\right[0]/\sqrt{\mathrm{ER}{\left[0\right]}^2+\mathrm{ER}{\left[1\right]}^2})$

其中，sign()为符号函数。

步骤四，采用小波滤波方法对惯性系视线角进行噪声滤波。

如图5所示，本发明具体实现步骤如下：

（1）利用快速离散小波变换算法对垂直方向和水平方向的惯性系视线角分别进行小波分解。

对于离散视线角的小波变换，最实用且计算量较小的小波变换算法是Mallat在1989年提出的快速递推方法，其重要性相当于经典的快速傅立叶变换算法（FFT）。该算法要求其输入数据的个数是2的整数次幂，然后对其逐级分解，最后得到对输入数据的小波变换。

设定小波滤波输入数据数量为2^J，J为小波分解层数，数据序列暂记为：a_J,K，k=0,1,…,2^J-1。则小波分解步骤为：首先，对a_J,K，k=0,1,…,2^J-1进行第一级小波分解，该级小波分解的尺度系数a_J-1,K，k=0,1,…,2^J-1-1和小波系数d_J-1,K，k=0,1,…,2^J-1-1。保持小波系数d_J-1,K不变，而对2^J-1个尺度系数a_J-1,K继续进行相同的小波分解，得到2^J-2个尺度系数a_J-2,K和2^J-2个小波系数d_J-2,K。持续迭代直到剩余一个尺度系数，就完成了对相应数据的小波分解。

（2）利用合理的阈值选取策略和阈值收缩化处理方法，对步骤（1）分解得到的小波系数进行阈值收缩化处理；

小波阈值去噪方法中，不同的阈值函数体现了对小波系数的不同处理思想。其中由Donoho提出的硬阈值收缩方法和软阈值收缩方法是最为常用的阈值处理方法。硬阈值处理方法的思想是将一部分小波系数置零，将剩下的予以保留，；软阈值处理方法的思想是将一部分系数置为零，而将剩下的系数按照某一固定量向零收缩。其表达式分别如下：

硬阈值收缩化方法可以表示为：

${\tilde{d}}_{j,k}=\left\{\begin{array}{cc}0,& \left|d_{j,k}\right|\≤\mathrm{\λ}\\ d_{j,k}& \left|d_{j,k}\right|>\mathrm{\λ}\end{array}\right.,j=\mathrm{0,1},...J;k=\mathrm{0,1},...2^j-1$

软阈值化收缩方法可以表示为：

${\tilde{d}}_{j,k}=\left\{\begin{array}{cc}0,& \left|d_{j,k}\right|\≤\mathrm{\λ}\\ \mathrm{sign}\left(d_{j,k}\right)\left(\right|d_{j,k}|-\mathrm{\λ}),& \left|d_{j,k}\right|>\mathrm{\λ}\end{array}\right.......j=\mathrm{0,1},...J;k=\mathrm{0,1},...2^j-1$

λ为收缩阈值，Donoho等给出的收缩阈值计算方法如下：

$\mathrm{\λ}=\mathrm{\σ}\sqrt{2\log N}$

其中

$\mathrm{\σ}=\begin{array}{cc}\frac{\mathrm{median}\left(\right|d_{J-1,K}\left|\right)}{0.6745}& k=\mathrm{0,1},...2^j-1\end{array}$

式中sign()为符号函数，median()是指中值运算，N为输入数据个数，这里为2^J。

该方法的实际降噪效果较好，而且实现简单，因此具有良好的工程应用价值。

（3）依据步骤（2）得到的小波系数和尺度系数，利用与步骤（1）相对应的逆离散小波变换算法，得到滤波后数据，并从中选取最终滤波结果。

用相反的逆离散小波变换算法还原各级滤波系数，重构小波分解数据直到得到：

k=0,1,…,2^J-1，并从中选择作为该时刻滤波后的最终输出。

小波滤波效果如图6所示。

步骤五，运用跟踪微分器求取视线角速率。

跟踪微分器（Tracking-Differentiator-TD）是自抗扰控制器的重要组成部分，能够较好地从不连续或带随机噪声的量测信号中合理提取连续信号及微分信号。其基本原理如图7，跟踪微分器是一种特殊的非线性环节，输入信号为u(t)，经过TD后输出x₁(t)和x₂(t)，x₁(t)跟踪输入u(t)，x₂(t)为u(t)的微分，TD能够给出较好品质的微分信号。

本发明中设计跟踪微分器离散形式如下：

$\left\{\begin{array}{c}{X}_1(k+1)=X_1\left(k\right)+T{X}_2\left(k\right)\\ X_2(k+1)=X_2\left(k\right)+\mathrm{Tfst}(X_1\left(k\right)-u\left(k\right),X_2\left(k\right),r,h)\end{array}\right.$

其中

$\left\{\begin{array}{c}\mathrm{\δ}=\mathrm{rh}\\ {\mathrm{\δ}}_0=\mathrm{\δh}\\ Z\left(k\right)=X_1\left(k\right)-U\left(k\right)+h{X}_2\left(k\right)\\ a_0=\sqrt{{\mathrm{\δ}}^2+8r\left|Z\left(k\right)\right|}\end{array}\right.$

$a=\left\{\begin{array}{cc}{X}_2\left(k\right)+\mathrm{sign}\left(Z\left(k\right)\right)\·(a_0-\mathrm{\δ})/2& \left|Z\right|>{\mathrm{\δ}}_0\\ X_2\left(k\right)+Z\left(k\right)/h& \left|Z\right|\≤{\mathrm{\δ}}_0\end{array}\right.$

$\mathrm{fst}=\left\{\begin{array}{cc}\mathrm{ra}/\mathrm{\δ}& \left|a\right|\≤\mathrm{\δ}\\ r\·\mathrm{sign}\left(a\right)& \left|a\right|>\mathrm{\δ}\end{array}\right.$

r为速度因子，决定跟踪速度；T是数值积分的步长；h为滤波因子，决定噪声滤波效应；sign()为符号函数。当h>T时，TD滤波效果明显。在确定滤波参数时，r与h要相互调整，r越大跟踪信号越快，h越大滤波效果越明显，但是，r越大对噪声放大越厉害，h越大对跟踪信号的相位损失。

本发明中，为了得到惯性系下的视线角速率，利用跟踪微分器对视线角进行微分信号的提取，输入为经过小波滤波后的惯性系下的视线角λ_IV,λ_IH，输出为惯性系下视线角速率

选取参数，仿真后的视线角速率（微分信号）如图8和图9所示。可以看出，跟踪微分器的微分信号是由积分得到，能够在带有噪声的量测信号中高精度的提取微分信号，很大程度减少噪声的影响。

步骤六，运用坐标变换，获得弹体系下的视线角速率

利用姿态转换矩阵，将惯性系下的视线角速率转化到弹体系下，得到不包含弹体姿态运动的视线角速率，并用于制导指令形成。

惯性系到弹体系的转换矩阵

为：

$C_n^b={\left[\begin{array}{ccc}\cos \mathrm{\ψ}\cos \mathrm{\θ}& -\cos \mathrm{\ψ}\sin \mathrm{\θ}\cos \mathrm{\γ}+\sin \mathrm{\ψ}\sin \mathrm{\γ}& \cos \mathrm{\ψ}\sin \mathrm{\θ}\sin \mathrm{\γ}++\sin \mathrm{\ψ}\cos \mathrm{\γ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\cos \mathrm{\γ}& -\cos \mathrm{\θ}\sin \mathrm{\γ}\\ -\sin \mathrm{\ψ}\cos \mathrm{\θ}& \sin \mathrm{\ψ}\sin \mathrm{\θ}\cos \mathrm{\γ}+\cos \mathrm{\ψ}\sin \mathrm{\γ}& -\sin \mathrm{\ψ}\sin \mathrm{\θ}\sin \mathrm{\γ}+\cos \mathrm{\ψ}\cos \mathrm{\γ}\end{array}\right]}^T$

通过上述步骤，实现捷联寻的视线重构。

步骤七，将体系下视线角速率信号输出到导引环节解算制导指令。

经过相关试验表明，本发明很好的解决了捷联寻的视线重构问题，使捷联导引头制导技术在工程上得以应用。

Claims (5)

1.一种空对地制导武器捷联寻的视线重构方法，其特征在于实现步骤如下：

第一步，通过导引头得到弹体系下的视线角；

第二步，通过自适应卡尔曼滤波对捷联惯性导航和GPS导航的紧耦合组合导航方式进行最优估计获得实时弹体姿态信息；

第三步，根据弹体姿态信息，进行体系转惯性系坐标变换，将导引头输出的体视线角转换成惯性系下视线角；

第四步，对得到的惯性系下的视线角进行小波滤波，设计纵向小波滤波器，选取滤波参数，对纵向视线角中的噪声进行处理，得到惯性系下滤波后的纵向视线角信号；同时，设计侧向小波滤波器，选取滤波参数，对侧向视线角中的噪声进行处理，得到惯性系下滤波后的侧向视线角信号；

第五步，通过微分环节计算惯性系下角速率信号，设计纵向与侧向两套跟踪微分器（TD），得到输入视线角的微分信号，其中纵向跟踪微分器输入视线高低角，输出视线高低角速率，侧向跟踪微分器输入视线方位角，输出视线方位角速率；

第六步，再次根据紧耦合组合导航输出的弹体姿态信息进行惯性系转体系坐标变换，将第五步得到的视线角速率信号转换成体系下的视线角速率信号；

第七步，最后将体系下视线角速率信号输出到导引环节解算制导指令。

2.根据权利要求1所述的空对地制导武器捷联寻的视线重构方法，其特征在于：所述步骤二，紧耦合组合导航方式具体实现过程如下：

（1）通过捷联惯组测量弹体信息，包括速度、位置和姿态，根据捷联惯组输出的弹体位置和速度得到基于捷联惯组的伪距和伪距率；

（2）通过GPS接收机测量GPS的伪距、伪距率信息；

（3）自适应卡尔曼滤波环节，把步骤（1）、步骤（2）得到的伪距和伪距率求差作为观测量建立组合导航系统的量测方程；以弹体的东、北、天速度偏差，经、纬、高位置偏差，俯仰、偏航、滚动姿态偏差和GPS的时钟偏差以及时钟漂移11个参数作为状态量建立状态方程，通过自适应卡尔曼滤波器进行最优估计；

（4）利用步骤（3）估计出状态量的的误差，并对步骤（1）捷联惯组测量的弹体信息和步骤（2）中GPS测量的伪距、伪距率进行反馈补偿校正，即获得较高精度的弹体姿态信息。

3.根据权利要求1所述的空对地制导武器捷联寻的视线重构方法，其特征在于：所述步骤三，根据弹体姿态信息，进行弹体系到惯性系的坐标变换，将导引头输出的体视线角转换成惯性系下视线角，并且将导引头测量信号中耦合的弹体运动信息去除，具体实现过程如下：

（1）引入步骤三所需坐标系，并给出导引头输出视线角的定义，确定坐标系之间的关系；

（2）根据步骤二所得到的弹体姿态信息，设计坐标系转换矩阵，完成坐标系转换，得到惯性系下的视线角，去除耦合的弹体运动信息。

4.根据权利要求1所述的空对地制导武器捷联寻的视线重构方法，其特征在于：所述步骤四具体实现过程如下：

（1）利用快速离散小波变换算法分别对惯性系下的纵、侧向视线角进行小波分解得到相应的尺度系数和小波系数；

（2）通过阈值收缩化方法分别确定纵、侧向小波收缩阈值，对步骤（1）得到的小波系数进行阈值收缩处理；

（3）利用逆小波变换算法得到滤波后的纵、侧向视线角信号。

5.根据权利要求1所述的空对地制导武器捷联寻的视线重构方法，其特征在于：所述步骤五具体实现过程如下：

（1）首先根据跟踪微分器的原理，设计出纵、侧向跟踪微分器的离散形式，二者形式相近具体参数不同；

（2）分别根据纵、侧向视线角信号与噪声信号特点，调节速度因子与滤波因子两个参数，完成纵、侧向跟踪微分器设计，得到惯性系下的纵、侧向视线角速率。

Images