CN113639594B - 一种多弹协同系统的模糊关联融合方法 - Google Patents

一种多弹协同系统的模糊关联融合方法 Download PDF

Info

Publication number
CN113639594B
CN113639594B CN202110587423.8A CN202110587423A CN113639594B CN 113639594 B CN113639594 B CN 113639594B CN 202110587423 A CN202110587423 A CN 202110587423A CN 113639594 B CN113639594 B CN 113639594B
Authority
CN
China
Prior art keywords
missile
fuzzy
estimation
matrix
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110587423.8A
Other languages
English (en)
Other versions
CN113639594A (zh
Inventor
陈凯
周钧
梁文超
赵子祥
闫斌斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Innno Aviation Technology Co ltd
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202110587423.8A priority Critical patent/CN113639594B/zh
Publication of CN113639594A publication Critical patent/CN113639594A/zh
Application granted granted Critical
Publication of CN113639594B publication Critical patent/CN113639594B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F42—AMMUNITION; BLASTING
    • F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
    • F42B15/00—Self-propelled projectiles or missiles, e.g. rockets; Guided missiles
    • F42B15/01—Arrangements thereon for guidance or control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)

Abstract

本发明公开了一种多弹协同系统的模糊关联融合方法，其包括进行滤波和时空同步得到多弹探测系统内各个导弹的局部估计；根据各个从弹的局部估计构建与任意两个导弹对应的模糊因子集；采用高斯隶属度函数对每个模糊因子集进行计算，得到对应的相似度值；基于相似度值通过模糊综合函数获取任意两个导弹的局部估计的综合模糊相似度；将所有综合模糊相似度构建为综合模糊相似度矩阵；对综合模糊相似度矩阵进行关联判决，得到该多弹探测系统的融合估计信息；利用融合估计信息纠正从弹的探测信息错误，并将融合估计信息作为从弹制导信息的输入。本发明使多弹协同系统中的导弹不易受到欺骗干扰，能够对目标探测出现的偏差进行修正。

Description

一种多弹协同系统的模糊关联融合方法
技术领域
本发明涉及多导弹协同攻击领域，具体涉及一种多弹协同系统的模糊关联融合方法。
背景技术
未来空战以先进的信息技术为基础，构建跨域、跨军种、分布式、网络化的协同作战能力，以多平台协同作战为主要作战方式，利用战场空间中分布在多平台上的传感器对目标进行探测，为导弹提供目标的状态信息，从而实现网络化协同作战。综合使用多枚导弹的探测信息，能够更加高效的对目标制导信息(位置、速度)进行估计，在多弹系统受到干扰出现错误时，利用系统的冗余信息，可以保证系统仍能完成预定的任务。
多弹协同系统中的导弹受到欺骗干扰的影响，会出现对目标的探测出现偏差无法修正的情况，影响整个系统的探测精度，因此有必要对多枚导弹的跟踪信息进行关联。
发明内容
针对现有技术中的上述不足，本发明提供的一种多弹协同系统的模糊关联融合方法解决了目标的探测出现偏差无法修正的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种多弹协同系统的模糊关联融合方法，其包括以下步骤：
S1、进行滤波和时空同步得到多弹探测系统内各个导弹的局部估计；
S2、通过领弹接收各从弹的局部估计，根据各个从弹的局部估计构建与任意两个导弹对应的模糊因子集；领弹即领头的导弹，从弹即从属于领弹的导弹；
S3、采用高斯隶属度函数对每个模糊因子集进行计算，得到对应的相似度值；
S4、基于相似度值通过模糊综合函数获取任意两个导弹的局部估计的综合模糊相似度；
S5、将所有综合模糊相似度构建为综合模糊相似度矩阵；
S6、对综合模糊相似度矩阵进行关联判决，将不关联的导弹的局部估计剔除，将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息；
S7、利用融合估计信息纠正从弹的探测信息错误，并将融合估计信息作为从弹制导信息的输入。
进一步地，步骤S1的具体方法为：
根据公式：
Figure BDA0003088233030000021
得到k时刻导弹j的局部估计
Figure BDA0003088233030000022
其中：
Figure BDA0003088233030000023
为k时刻导弹j的一步状态预测值，Φj为k时刻导弹j的状态转移矩阵，
Figure BDA0003088233030000024
为k-1时刻导弹j的局部估计值；
Pj(k|k-1)为k时刻导弹j的一步协方差估计值，Pj(k-1|k-1)为k-1时刻导弹j的协方差估计值，
Figure BDA0003088233030000025
为k时刻导弹j的状态转移矩阵的转置矩阵，Qj为过程激励噪声协方差矩阵；
Kj(k)为卡尔曼增益，Hj(K)为k时刻导弹j的观测矩阵，Hj(K)T为k时刻导弹j的观测矩阵的转置矩阵，R为测量测声协方差矩阵；
Z(k)为k时刻导弹j的观测信息；
Pj(k|k)为k时刻导弹j的协方差估计值，I为单位矩阵。
进一步地，步骤S2的具体方法为：
以当前时刻k以及k的前两个周期的导弹i的状态估计值和导弹j的状态估计值分别作为输入量
Figure BDA0003088233030000031
和输入量
Figure BDA0003088233030000032
并根据公式：
Figure BDA0003088233030000033
得到与导弹i和导弹j对应的模糊因子集μij(l|l)，其中：
Cij(l|l)为中间参数，Pi(l|l)为当前时刻k以及k的前两个周期的导弹i的协方差估计值，Pj(l|l)为当前时刻k以及k的前两个周期的导弹j的协方差估计值；当l＝k-2时，
Figure BDA0003088233030000034
为k-2时刻导弹i的局部估计。
进一步地，步骤S3的具体方法为：
根据公式：
dij(l|l)＝exp{-μij(l|l)Tμij(l|l)}
得到导弹i和导弹j对应的相似度值dij(l|l)；其中μij(l|l)T为与导弹i和导弹j对应的模糊因子集μij(l|l)的转置矩阵。
进一步地，步骤S4的具体方法为：
根据公式：
Figure BDA0003088233030000035
得到综合模糊相似度sij。
进一步地，步骤S5的具体方法为：
根据公式：
Figure BDA0003088233030000041
得到综合模糊相似度矩阵Sij，其中i为列数，j为行数，n为多弹探测系统中导弹的枚数。
进一步地，步骤S6的具体方法为：
S6-1、从综合模糊相似度矩阵的第二列起对每一列的最大值元素si＝max Sij进行导弹关联判断，如果sij＞ε，则判定导弹对(i,j)在该时刻关联，并进入步骤S6-2；否则判定不关联，并将不关联的导弹的局部估计剔除；其中ε为预设的判决门限；
S6-2、根据公式：
Figure BDA0003088233030000042
将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息
Figure BDA0003088233030000043
其中P(l|l)为当前时刻k以及k的前两个周期的导弹i和导弹j的协方差估计值。
本发明的有益效果为：使多弹协同系统中的导弹不易受到欺骗干扰，能够对目标探测出现的偏差进行修正。
附图说明
图1为本发明的总流程图；
图2为本发明的多弹跟踪轨迹三维图；
图3为本发明的多弹跟踪轨迹二维图；
图4为本发明的未经数据关联信息融合位置误差仿真图；
图5为本发明的多弹高斯相似度曲线；
图6为本发明的模糊综合函数航迹关联位置误差仿真图；
图7为本发明的模糊综合函数航迹关联速度误差仿真图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该多弹协同系统的模糊关联融合方法包括以下步骤：
S1、进行滤波和时空同步得到多弹探测系统内各个导弹的局部估计；
S2、通过领弹接收各从弹的局部估计，根据各个从弹的局部估计构建与任意两个导弹对应的模糊因子集；领弹即领头的导弹，从弹即从属于领弹的导弹；
S3、采用高斯隶属度函数对每个模糊因子集进行计算，得到对应的相似度值；
S4、基于相似度值通过模糊综合函数获取任意两个导弹的局部估计的综合模糊相似度；
S5、将所有综合模糊相似度构建为综合模糊相似度矩阵；
S6、对综合模糊相似度矩阵进行关联判决，将不关联的导弹的局部估计剔除，将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息；
S7、利用融合估计信息纠正从弹的探测信息错误，并将融合估计信息作为从弹制导信息的输入。
步骤S1的具体方法为：
根据公式：
Figure BDA0003088233030000061
得到k时刻导弹j的局部估计
Figure BDA0003088233030000062
其中：
Figure BDA0003088233030000063
为k时刻导弹j的一步状态预测值，Φj为k时刻导弹j的状态转移矩阵，
Figure BDA0003088233030000064
为k-1时刻导弹j的局部估计值；
Pj(k|k-1)为k时刻导弹j的一步协方差估计值，Pj(k-1|k-1)为k-1时刻导弹j的协方差估计值，
Figure BDA0003088233030000065
为k时刻导弹j的状态转移矩阵的转置矩阵，Qj为过程激励噪声协方差矩阵；
Kj(k)为卡尔曼增益，Hj(K)为k时刻导弹j的观测矩阵，Hj(K)T为k时刻导弹j的观测矩阵的转置矩阵，R为测量测声协方差矩阵；
Z(k)为k时刻导弹j的观测信息；
Pj(k|k)为k时刻导弹j的协方差估计值，I为单位矩阵。
步骤S2的具体方法为：
以当前时刻k以及k的前两个周期的导弹i的状态估计值和导弹j的状态估计值分别作为输入量
Figure BDA0003088233030000066
和输入量
Figure BDA0003088233030000067
并根据公式：
Figure BDA0003088233030000068
得到与导弹i和导弹j对应的模糊因子集μij(l|l)，其中：
Cij(l|l)为中间参数，Pi(l|l)为当前时刻k以及k的前两个周期的导弹i的协方差估计值，Pj(l|l)为当前时刻k以及k的前两个周期的导弹j的协方差估计值；当l＝k-2时，
Figure BDA0003088233030000069
为k-2时刻导弹i的局部估计。
步骤S3的具体方法为：
根据公式：
dij(l|l)＝exp{-μij(l|l)Tμij(l|l)}
得到导弹i和导弹j对应的相似度值dij(l|l)；其中μij(l|l)T为与导弹i和导弹j对应的模糊因子集μij(l|l)的转置矩阵。
步骤S4的具体方法为：
根据公式：
Figure BDA0003088233030000071
得到综合模糊相似度sij。
步骤S5的具体方法为：
根据公式：
Figure BDA0003088233030000072
得到综合模糊相似度矩阵Sij，其中i为列数，j为行数，n为多弹探测系统中导弹的枚数。
步骤S6的具体方法为：
S6-1、从综合模糊相似度矩阵的第二列起对每一列的最大值元素si＝maxSij进行导弹关联判断，如果sij＞ε，则判定导弹对(i,j)在该时刻关联，并进入步骤S6-2；否则判定不关联，并将不关联的导弹的局部估计剔除；其中ε为预设的判决门限；
S6-2、根据公式：
Figure BDA0003088233030000073
将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息
Figure BDA0003088233030000081
其中P(l|l)为当前时刻k以及k的前两个周期的导弹i和导弹j的协方差估计值。
在本发明的一个实施例中，多弹协同系统以三枚导弹组网攻击一个高速机动目标的情况为例进行仿真，其中导弹均为同模的雷达弹，具体情况如下：
假设目标与导弹同向运动，在0～10s内做S机动，10s之后做持续6g过载转弯机动，三枚导弹以各自的制导律独立地攻击目标，任意导弹击中目标则仿真结束，三枚导弹初始位置如表1所示：
表1仿真初始条件
Figure BDA0003088233030000082
假设目标2在第10s转弯机动开始时投放诱饵弹，诱饵弹以目标10s的瞬时速度为初速度做自由落体运动，多弹协同系统中的导弹3受到诱饵弹干扰发生错误跟踪。
多弹协同系统弹目运动轨迹如图2和图3所示。
仿真结果：
如图4所示，导弹3的错误跟踪影响到整个系统的正常跟踪，在10s后对目标的位置估计发散。
如图5所示，5s之前由于各弹初始状态差异，滤波估计信息差异较大，高斯相似度上升较慢，5-10s内各弹对目标跟踪收敛，各弹间高斯相似度大于0.5，10s之后因为导弹3丢失真实目标信息，d13,d23相似度骤降，直到下降为0，d12仍保持在较高数值，信息融合会剔除导弹3的估计信息，保持高精度的位置估计，弹道末端领弹接近目标，估计信息开始发散，高斯相似度d12下降。
如图6和图7所示，三个方向位置误差小于10m，速度误差小于10m/s，具有良好的跟踪效果。
本发明的有益效果为：使多弹协同系统中的导弹不易受到欺骗干扰，能够对目标探测出现的偏差进行修正。

Claims (6)

1.一种多弹协同系统的模糊关联融合方法，其特征在于，包括以下步骤：
S1、进行滤波和时空同步得到多弹探测系统内各个导弹的局部估计；
S2、通过领弹接收各从弹的局部估计，根据各个从弹的局部估计构建与任意两个导弹对应的模糊因子集；领弹即领头的导弹，从弹即从属于领弹的导弹；具体方法为：
以当前时刻k以及k的前两个周期的导弹i的状态估计值和导弹j的状态估计值分别作为输入量
Figure FDA0003551755420000011
和输入量
Figure FDA0003551755420000012
并根据公式：
Figure FDA0003551755420000013
得到与导弹i和导弹j对应的模糊因子集μij(l|l)，其中：
Cij(l|l)为中间参数，Pi(l|l)为当前时刻k以及k的前两个周期的导弹i的协方差估计值，Pj(l|l)为当前时刻k以及k的前两个周期的导弹j的协方差估计值；当l＝k-2时，
Figure FDA0003551755420000014
为k-2时刻导弹i的局部估计；
S3、采用高斯隶属度函数对每个模糊因子集进行计算，得到对应的相似度值；
S4、基于相似度值通过模糊综合函数获取任意两个导弹的局部估计的综合模糊相似度；
S5、将所有综合模糊相似度构建为综合模糊相似度矩阵；
S6、对综合模糊相似度矩阵进行关联判决，将不关联的导弹的局部估计剔除，将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息；
S7、利用融合估计信息纠正从弹的探测信息错误，并将融合估计信息作为从弹制导信息的输入。
2.根据权利要求1所述的一种多弹协同系统的模糊关联融合方法，其特征在于，步骤S1的具体方法为：
根据公式：
Figure FDA0003551755420000021
得到k时刻导弹j的局部估计
Figure FDA0003551755420000022
其中：
Figure FDA0003551755420000023
为k时刻导弹j的一步状态预测值，Φj为k时刻导弹j的状态转移矩阵，
Figure FDA0003551755420000024
为k-1时刻导弹j的局部估计值；
Pj(k|k-1)为k时刻导弹j的一步协方差估计值，Pj(k-1|k-1)为k-1时刻导弹j的协方差估计值，
Figure FDA0003551755420000025
为k时刻导弹j的状态转移矩阵的转置矩阵，Qj为过程激励噪声协方差矩阵；
Kj(k)为卡尔曼增益，Hj(K)为k时刻导弹j的观测矩阵，Hj(K)T为k时刻导弹j的观测矩阵的转置矩阵，R为测量测声协方差矩阵；
Z(k)为k时刻导弹j的观测信息；
Pj(k|k)为k时刻导弹j的协方差估计值，I为单位矩阵。
3.根据权利要求1所述的一种多弹协同系统的模糊关联融合方法，其特征在于，步骤S3的具体方法为：
根据公式：
dij(l|l)＝exp{-μij(l|l)Tμij(l|l)}
得到导弹i和导弹j对应的相似度值dij(l|l)；其中μij(l|l)T为与导弹i和导弹j对应的模糊因子集μij(l|l)的转置矩阵。
4.根据权利要求3所述的一种多弹协同系统的模糊关联融合方法，其特征在于，步骤S4的具体方法为：
根据公式：
Figure FDA0003551755420000031
得到综合模糊相似度sij。
5.根据权利要求4所述的一种多弹协同系统的模糊关联融合方法，其特征在于，步骤S5的具体方法为：
根据公式：
Figure FDA0003551755420000032
得到综合模糊相似度矩阵Sij，其中i为列数，j为行数，n为多弹探测系统中导弹的枚数。
6.根据权利要求5所述的一种多弹协同系统的模糊关联融合方法，其特征在于，步骤S6的具体方法为：
S6-1、从综合模糊相似度矩阵的第二列起对每一列的最大值元素si＝maxSij进行导弹关联判断，如果sij>ε，则判定导弹对(i,j)在该时刻关联，并进入步骤S6-2；否则判定不关联，并将不关联的导弹的局部估计剔除；其中ε为预设的判决门限；
S6-2、根据公式：
Figure FDA0003551755420000033
将关联的导弹的局部估计进行融合，得到该多弹探测系统的融合估计信息
Figure FDA0003551755420000034
其中P(l|l)为当前时刻k以及k的前两个周期的导弹i和导弹j的协方差估计值。
CN202110587423.8A 2021-05-27 2021-05-27 一种多弹协同系统的模糊关联融合方法 Active CN113639594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110587423.8A CN113639594B (zh) 2021-05-27 2021-05-27 一种多弹协同系统的模糊关联融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110587423.8A CN113639594B (zh) 2021-05-27 2021-05-27 一种多弹协同系统的模糊关联融合方法

Publications (2)

Publication Number Publication Date
CN113639594A CN113639594A (zh) 2021-11-12
CN113639594B true CN113639594B (zh) 2022-05-03

Family

ID=78415943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110587423.8A Active CN113639594B (zh) 2021-05-27 2021-05-27 一种多弹协同系统的模糊关联融合方法

Country Status (1)

Country Link
CN (1) CN113639594B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8436283B1 (en) * 2008-07-11 2013-05-07 Davidson Technologies Inc. System and method for guiding and controlling a missile using high order sliding mode control
CN103729859B (zh) * 2013-12-30 2016-08-24 西北工业大学 一种基于模糊聚类的概率最近邻域多目标跟踪方法
CN103884237B (zh) * 2014-04-08 2015-08-05 哈尔滨工业大学 基于目标概率分布信息的多对一协同制导方法
CN107193009A (zh) * 2017-05-23 2017-09-22 西北工业大学 一种模糊自适应多交互模型的多uuv协同系统水下目标跟踪算法
CN111121770B (zh) * 2019-12-31 2022-09-13 西北工业大学 一种交互式多弹多模型航迹融合方法
CN111781565B (zh) * 2020-06-10 2023-08-15 西安电子科技大学 一种基于多站雷达系统抗有源欺骗假目标的鉴别方法
CN111860589B (zh) * 2020-06-12 2023-07-18 中山大学 一种多传感器多目标协同探测信息融合方法、系统

Also Published As

Publication number Publication date
CN113639594A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
EP1610152B1 (en) Tracking of a moving object for a self-defence system
CN111707148B (zh) 一种时变时延条件下多导弹协同制导方法及系统
CN107063259A (zh) 一种航迹关联方法及电子设备
CN111121770B (zh) 一种交互式多弹多模型航迹融合方法
CN114020021B (zh) 一种多导弹分布式协同制导律的设计方法及系统
CN113639594B (zh) 一种多弹协同系统的模糊关联融合方法
CN105446352A (zh) 一种比例导引制导律辨识滤波方法
US6259974B1 (en) Automated ballistic constant determination
CN103235315A (zh) 一种多机动目标跟踪系统
CN116520311A (zh) 一种基于glmb的自适应航迹起始方法
CN114153143B (zh) 一种导弹非奇异固定时间滑模制导律的设计方法
CN114995129A (zh) 一种分布式最优事件触发协同制导方法
CN110007298A (zh) 一种目标超前预测跟踪方法
Wang et al. Research on multi-maneuvering target tracking JPDA algorithm
CN113704673A (zh) 一种基于Kalman改进的粒子滤波算法
CN112859918A (zh) 一种多智能体多模自适应协同制导律确定方法及系统
Zhang et al. Maneuvering target tracking algorithm based on multiple models in radar networking
SUTTON et al. ML-PMH Tracking in Three Dimensions Using Cluttered Measurements From Multiple Two-Dimensional Sensors.
Zhang et al. Design of a Real-Time Monopulse Tracking Data Processing Algorithms for Missile-Borne SAR Radar
CN115823951B (zh) 一种搜索与跟踪航迹融合方法、装置、设备及存储介质
Stubberud et al. Predictive guidance intercept using the neural extended Kalman filter tracker
Pi-Xu et al. Plot Association for Multi-Sensor Based on Hungary Algorithm
Martinez et al. A Classification-Aided Recurrent Neural Network for Tracking in Urban Terrain
CN117313027A (zh) 一种多目标跟踪方法、系统、电子设备及存储介质
Wang et al. Weight Kullback-Leibler Average Interactive multiple model Probabilistic Data Association Filter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230105

Address after: 710077 Room 12004, Block A, Xi'an National Digital Publishing Base, No.996, Tiangu 7th Road, Yuhua Street Office, Hi tech Zone, Xi'an, Shaanxi

Patentee after: XI'AN INNNO AVIATION TECHNOLOGY Co.,Ltd.

Address before: Beilin District Shaanxi province Xi'an City friendship road 710002 No. 127

Patentee before: Northwestern Polytechnical University