CN114510076A - 基于无迹变换的目标协同探测与制导一体化方法及系统 - Google Patents

Abstract

本发明属于高端装备制造产业中的空间基础设施应用领域，特别涉及一种基于无迹变换的目标协同探测与制导一体化方法及系统，以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学模型来构建飞行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程和观测方程来获取目标定位估计数据；针对目标定位估计数据，将制导过程视为随机矢量非线性传播过程，通过无迹变换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹和角度进行修改。本发明可确保飞行器在探测和打击目标的过程中保持良好的飞行姿态，有效减小过载，提升定位精度，便于实际场景中的应用。

Description

基于无迹变换的目标协同探测与制导一体化方法及系统

技术领域

本发明属于高端装备制造产业中的空间基础设施应用领域，特别涉及一种基于无迹变换 的目标协同探测与制导一体化方法及系统。

背景技术

目前，在航天器移动测控中运用飞行器对地面目标进行探测的空间战场，单一的飞行器 在战场上面对复杂的环境很难实现有效的探测定位与精准打击，而飞行器协同探测可以有效 解决这一不足。在飞行器协同探测和打击地面目标的过程中，定位精度是需要主要考虑的因 素。在确定好飞行器的发射构型后，利用信息融合的方法实现飞行器间的信息传输与信号处 理。与此同时，为了实现飞行器在飞行过程中精准的探测与打击，需要对飞行器的飞行姿态 进行更好的控制。首先要对定位的初始化设计、滤波算法等方面进行设计。其次需要规划飞 行器携载传感器的种类、数量以及相互之间的数据传输方式，完成彼此间的信息融合。因此， 选择合适的传感器类型和信息融合方式对数据进行处理，对于提升协同探测的精度和探测能 力等方面十分重要。

在协同探测数据处理方面，对于协同探测中涉及的信息融合技术，大多是针对机动目标 的模型建立方面开展的研究，对于信息融合的具体方法少有量化分析。在协同探测与制导一 体化设计方面，大部分制导律的研究是建立在目标已知的情况下基于理论推导开展的，利用 探测数据进行制导律设计的便捷、实时性方法研究较少。由于在实际场景中难以获取目标的 精确位置，因此大部分制导方法并不适用于对于未知目标的探测与打击。而且飞行器在探测 和攻击目标时需要满足一定的角度约束要求，同时也要避免发生较大过载等情况，因此，对 速度方向控制的制导律研究十分必要。且地面目标位置估计值在每一时刻都是不同的，在对 飞行器的飞行轨迹和飞行姿态进行设计时需要实时地考虑目标点的估计位置，原有的目标已 知情况下的制导律方法不能够满足实际应用条件。

发明内容

为此，本发明提供一种基于无迹变换的目标协同探测与制导一体化方法及系统，将探测 数据获得的目标位置估计信息引入速度方向控制的制导律中来实现协同探测和制导的一体化， 确保飞行器在探测和打击目标的过程中保持良好的飞行姿态，有效减小过载，提升定位精度， 便于实际场景中的应用。

按照本发明所提供的设计方案，提供一种基于无迹变换的目标协同探测与制导一体化方 法，用于规划飞行器飞行路径，包含如下内容：

以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学模型来构建飞行器和 目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程和观测方程来获取目 标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值及协方差估计；

针对目标定位估计数据，将制导过程视为随机矢量非线性传播过程，通过无迹变换来计 算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹和角度进行修改。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，在获取目标定 位估计数据时，针对构建的地面目标状态方程及各传感器对应飞行器的观测方程，首先，利 用雷达导引头在初始时刻的观测信息确定飞行器姿态数据，该姿态数据至少包含：位置、速 度和姿态角；然后，对各飞行器传感器的观测数据进行数据融合。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，数据融合过程 中，各传感器分别将观测数据送入主滤波器，主滤波器利用无迹卡尔曼滤波UKF算法进行融 合，融合过程表示为：

其中，

表示k+1时 刻状态估计值，

表示k+1时刻协方差估计，

表示一步状态估计，

表示一步协 方差估计，

表示传感器一步协方差预测自相关，

表示一步协方差预测互相关，Y_k+1表示k+1时刻观测矢量，

表示基于k时刻的一步预测值，m表示传感器。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，主滤波器利用 无迹卡尔曼滤波UKF算法进行滤波处理过程，包含如下内容：利用

和 P_k+1/k＝I_3×3P_k/kI_3×3来预测k+1时刻状态和协方差，其中I_3×3为3×3单位矩阵；基于预测 的状态和协方差构造Sigma点和相应权重，并基于观测方程的非线性传播过程的求解来预测 k+1时刻目标状态估计值和协方差估计。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，针对实时获取 的目标定位估计数据，利用末制导过程，通过落速方向控制的导引律来获取飞行控制角，利 用飞行控制角实时修正飞行器飞行轨迹和角度。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，利用落速方向 控制的导引律来计算每个Sigma点对应的飞行控制角，其中，飞行控制角包含：攻角和侧滑 角状态矢量。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，结合末制导过 程来获取各飞行器在制导坐标系中的位置和速度视线矢量坐标；根据位置和速度视线矢量坐 标，结合半速度系中引力加速度矢量和气动力参数，并利用质心动力学方程及导引方程来获 取攻角和侧滑角状态矢量，利用Sigma点及对应权重通过计算对应均值和协方差来确定飞行 控制角。

进一步地，本发明还提供一种基于无迹变换的目标协同探测与制导一体化方法，包含： 模型构建模块、数据融合模块和飞行控制模块，其中，

模型构建模块，用于以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学 模型来构建飞行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

数据融合模块，用于通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程 和观测方程来获取目标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值 及协方差估计；

飞行控制模块，用于针对目标定位估计数据，利用制导算法将制导过程视为随机矢量非 线性传播过程，通过无迹变换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹 和角度进行修改。

本发明的有益效果：

本发明将协同探测目标定位算法引入制导律中，利用融合的目标位置估计均值和方差作 为制导算法的输入，同时将制导过程作为一个随机矢量的非线性传播过程，利用无迹变换获 取飞行控制角的均值和方差，得到的飞行控制角和过载相比于目标已知情况下有所差异，更 符合实际中应用场景条件，这也为实际应用中的飞行器制导设计提供了理论依据。同时协同 探测相比于单飞行器探测既能提升探测精度，同时满足较低的过载，也能够更好地对飞行器 的速度方向和控制角进行控制。与传统的解耦定位制导设计相比，本案方案能够实时根据目 标估计位置改变飞行器自身的姿态，更贴近实际，具有更好的应用性及更高的精度。

附图说明：

图1为实施例中基于无迹变换的目标协同探测与制导一体化流程示意；

图2为实施例中飞行器与目标的几何关系图示意；

图3为实施例中集中式融合结构示意；

图4为实施例中集中式融合飞行器间通信需求示意；

图5为实施例中目标定位估计数据与速度方向控制制导一体流程示意。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发 明作进一步详细的说明。

传统制导控制设计过程中通常将目标定位跟踪和制导算法进行解耦设计，但实际上制导 算法需要实时估计的目标位置等参数作为输入，而制导算法同时也会影响目标跟踪状态和测 量方程的构建以及观测条件，两者存在较高的耦合度，解耦分别设计会造成一定的信息缺失， 同时降低估计和制导精度。为此，本发明实施例，提供一种基于无迹变换的目标协同探测与 制导一体化方法，用于飞行器路径的规划，参见图1所示，包含如下内容：

S101、以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学模型来构建飞 行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

S102、通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程和观测方程来 获取目标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值及协方差估计；

S103、针对目标定位估计数据，将制导过程视为随机矢量非线性传播过程，通过无迹变 换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹和角度进行修改。

运用多飞行器对地面目标的探测数据，运用信息融合技术进行信号处理，再通过基于无 迹变换的协同探测与制导一体化来规划飞行器的飞行路径，既能够提升探测精度，又能够较 好地控制飞行姿态，有效减小过载，便于实际场景应用。

作为本发明基于无迹变换的目标协同探测与制导一体化方法，进一步地，在获取目标定 位估计数据时，针对构建的地面目标状态方程及各传感器对应飞行器的观测方程，首先，利 用雷达导引头在初始时刻的观测信息确定飞行器姿态数据，该姿态数据至少包含：位置、速 度和姿态角；然后，对各飞行器传感器的观测数据进行数据融合。

进一步地，数据融合过程中，各传感器分别将观测数据送入主滤波器，主滤波器利用无 迹卡尔曼滤波UKF算法进行融合。针对实时获取的目标定位估计数据，利用末制导过程，通 过落速方向控制的导引律来获取飞行控制角，利用飞行控制角实时修正飞行器飞行轨迹和角 度。结合末制导过程来获取各飞行器在制导坐标系中的位置和速度视线矢量坐标；根据位置 和速度视线矢量坐标，结合半速度系中引力加速度矢量和气动力参数，并利用质心动力学方 程及导引方程来获取攻角和侧滑角状态矢量，利用Sigma点及对应权重通过计算对应均值和 协方差来确定飞行控制角。

以两个飞行器为例，其中一个携载红外传感器，另一个携载雷达传感器，飞行器的动力 学模型设置为空地导弹的动力学模型，具体可设计为包括如下步骤：

步骤1：建立飞行器和地面目标的观测方程和状态方程。

步骤2：描述初始化定位算法与滤波算法。

步骤3：介绍描述集中式融合算法。

步骤4：运用无迹变换的方法，将目标定位估计数据与速度方向控制制导进行一体化。

其中，步骤1的建立飞行器状态方程与观测方程中，

状态方程：状态矢量设为目标在地固系中的位置矢量

X＝[X_T Y_T Z_T]^T (1)

由于目标为静止目标，状态方程可建立为

X_k+1＝I_3×3X_k (2)

即状态转移矩阵为三阶单位阵。

观测方程：

(1)对于红外传感器，测量只有俯仰角和方位角信息，即需要建立观测矢量Z(A,E)与 状态矢量X的函数关系。假设飞行器在地固系中的位置矢量为

X_M＝[X_M Y_M Z_M]^T (3)

飞行器与目标之间的视线矢量在地固系中可表示为

将地固系的视线矢量转换到视场(地心惯性)坐标系中，可表示为：

其中，

为L系到AB系之间的转换矩阵，

为GF到L系间的转换矩阵。

利用视场坐标系中的视线矢量计算观测矢量

(2)对于雷达传感器，测量量包括俯仰角、方位角和距离，相对于红外传感器增加了距 离量，因此观测矢量可表示为：

步骤2的初始化算法与滤波算法中，

(1)初始化定位方法

由于雷达传感器，可测得距离、俯仰角、方位角信息，因此，可以利用雷达导引头在初 始时刻的观测信息进行初始化设计。

目标的位置速度估计初始化方法可表示如下：

已知雷达初始测量数据(R₀,A₀,E₀)，相应的标准差分别为σ_Rσ_Aσ_E。则测量数据的协方差 矩阵为

将RS坐标系的视线矢量转换至ECF系

和

分别表示相应的坐标转换矩阵。

则目标在地固系中的位置矢量为

有了测量数据到状态矢量的函数方程，以及测量数据的均值和方差，便可以利用无迹变 换进行误差传播分析。导引头在初始过程中由于未加入末制导，因此其位置、速度和姿态角 等信息可以根据发射的初始信息来确定。

由于红外传感器仅能测得视线矢量的两个角度，无法测量距离，无法对目标形成三维立 体定位，需要通过引入其它约束进行定位。由于定位目标为地面目标，可以考虑采用两传感 器协同进行初始化，预测出其中一部传感器与目标之间的间距，进一步确定目标的位置。

飞行器与目标的位置关系如图2所示，M1和M2分别表示飞行器初始时刻位置，虚线表 示探测的视线矢量，T为目标位置，O-XYZ为地固坐标系。根据ΔM₁M₂T的位置关系，以及探测矢量信息，可以得出任意一枚导弹与目标的距离。

已知M1和M2在地固系下的位置，位置矢量可表示为：a＝,O,M-1..和

ΔM₁M₂T 各边长分别为R、L、N，则在M1的AB系中，L可表示为：

其中，

为ECF系到L系的坐标变换矩阵，

为L系到飞AB系的坐标变换矩阵。

矢量L的模可表示为：

c＝||b-a|| (12)

任取一点e₁，假设其取值为1×10⁶m，则在弹体坐标系下可表示为

角M1可表示为：

同理可求得角M2

三角形的位置关系可表示如下：

由式(16)可求得R的值，在飞行器体坐标系下可表示为：

将矢量R转换到地固系中可表示为：

进而可以确定目标在地固系下的坐标

Τ_ECF＝R_ECF+M_ECF (19)

这样，可以确定任意一个飞行器距离目标的距离，有了测量数据到状态矢量的函数方程， 以及测量数据的均值和方差，便可以利用无迹变换(UT)进行误差传播分析。

(2)滤波算法

关于对静止目标的位置估计，状态方程可认为是线性化的，但观测方程亦有较强的非线 性性质，且观测矩阵(观测方程的一阶偏导数矩阵)求解较为困难，因此状态方程可采用标 准的KF方法，而观测方程则需要采用采用UT的方法。这样线性化方法与UT方法相结合，既 能够简化计算，也能最大限度地减小预测误差。滤波进行一次的完整流程如下：

状态预测

协方差预测

P_k+1/k＝I_3×3P_k/kI_3×3 (21)

基于状态预测值构造Sigma点和相应权重

基于观测方程的非线性传播

Z_k+1/k(i)＝h(χ_k+1/k(i)),i＝0,1,···,2n (23)

计算观测值的预估值和协方差矩阵

对新息和新息协方差进行求解

目标估计矢量与协方差预测

步骤3的集中式融合方法中，集中式融合是将不同传感器的观测数据送到主滤波器 中，统一完成滤波融合处理，进而对目标进行跟踪并分类。如图3所示，这种方法可获 得较高的精度，然而通过主滤波器要进行大量的数据传送，进一步导致计算量增加，不 论是对于通信链路还是数据处理器等设备的要求都是极高的，数据处理的可靠性相对较 低。

各传感器分别将量测数据传入融合中心中的主滤波器，由主滤波器通过无迹(损)卡尔曼 滤波(UKF)UKF算法对全部测量数据进行融合处理。融合后输出公式：

表示k+1时刻状态估计值，

表示k+1时刻协方差估计，

表示一步状态 估计，

表示一步协方差估计，

表示传感器一步协方差预测自相关，

表示一步 协方差预测互相关，Y_k+1表示k+1时刻观测矢量，

表示基于k时刻的一步预测值(下列 所有算法表示方式相同)。

如果采用集中式数据融合，主滤波器会放在其中一个飞行器上，飞行器之间的通信传输 需求图4所示。副飞行器需向主飞行器传输的数据包括两大类，一类是构建测量方程所需的 飞行器自身的参数，一类是自身的测量数据。主弹向副飞行器传输的数据为目标的运动特性 信息，用于副飞行器的视线转率估计和制导控制。

步骤4运用无迹变换的方法，将目标定位估计数据与速度方向控制制导进行一体化中， 流程如图5所示，通过在协同探测滤波估计中获得的新时刻目标位置估计数据，代入末制导 方程，利用UT方法以此对动力学模型中的飞行控制角和坐标进行计算，实时对飞行轨迹和角 度进行修正。既能通过飞行器间通信的方式避免角速率提取的复杂计算，又能较好地对飞行 器的姿态角进行控制，提升定位精度，减小飞行过载。

假设有i个不同类的导引头(雷达与红外)对目标进行协同定位，他们之间通过信息融合 技术，得到目标的估计位置，引入落速方向控制的导引律，解算得到制导参数。同时，为了 消除滤波带来的误差，采用无迹变换的方式，通过输入目标的估计位置和协方差矩阵，输出 攻角、侧滑角及其对应的协方差矩阵，进一步提升两个姿态角的估计精度，减小过载。具体 可设计如下：

(1)首先构造2n+1个sigma点及其权重W，其中，Cholesky法分解的协方差矩阵为目标位置估计的协方差矩阵。

(2)利用速度方向控制的方法计算每个点对应的攻角与侧滑角的状态矢量：

[alpha(i),beta(i)]＝f(sigma(i)),i＝0,1,L 2n (28)

其中，alpha，beta分别表示飞行器的攻角和侧滑角，f(·)为速度方向控制制导函数， 具体表示方法如下：

可通过运用协同探测算法求解出在地固系下目标的位置估计值

并将其实时输入到 制导律设计模块中：

其中，L_T B_T H_T分别为目标在k+1时刻估计位置的大地经度、纬度和高度，

为ECF系到G系的变换矩阵。

建立制导坐标系(TC，即以目标k时刻估计位置为原点的北天东坐标系)，则第个i飞行 器在TC系中的位置和速度的视线矢量坐标分别可以表示为

其中，r_i,ECF为k时刻第i个飞行器在ECF系中的位置，v_i,ECF第i个飞行器在地固系中的速 度，

为ECF系到TC系的变换矩阵。

TC系中的速度倾角为

TC系中的速度偏航角σ_i，视线高低角λ_D,i，视线方位角λ_T,i，视线矢量长度r_Los,i分别可表 示为

视线坐标系(SC)中的速度矢量为

为在不同位置的TC与SC坐标系的转换矩阵

飞行器预测飞行时间T_g，视线高低角的变化率

视线方位角的变化率

速度方向 旋转绝对角速度在SC系ζ轴上的投影

弹头速度方向转动绝对角速度在SC系η轴上的 投影

分别表示如下：

K_GD＝-4、K_LD＝-2、K_GT＝3为最优导引系数，γ_DF为飞行器落角约束。

定义半速度系(HVC)，在半速度系中的引力加速度矢量为

其中g_ECF为地固系下引力加速度，，

为TC与HVC系的变换矩阵。令g_i,yh和g_z,yh分别为半速度系下的引力加速度分量。

半速度系y轴和z轴的气动力加速度分量a_i,yh a_i,zh为

根据气动力加速度可以计算半速度系y轴和z轴的需要气动力参数

攻角α和侧滑角β即可由上述机动再入质心动力学方程和导引方程确定。

(3)利用sigma点计算相应的均值E[alphabeta]和协方差

其中，W_i为权重值。

进一步地，基于上述的方法，本发明实施例还提供一种基于无迹变换的目标协同探测与 制导一体化方法，包含：模型构建模块、数据融合模块和飞行控制模块，其中，

模型构建模块，用于以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学 模型来构建飞行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

数据融合模块，用于通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程 和观测方程来获取目标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值 及协方差估计；

飞行控制模块，用于针对目标定位估计数据，利用制导算法将制导过程视为随机矢量非 线性传播过程，通过无迹变换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹 和角度进行修改。

利用本案方案获取的飞行器控制角和过载相比于目标已知情况下有所差异，能够更符合 实际中应用场景条件，可为实际应用中的飞行器制导设计提供理论依据。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和 数值并不限制本发明的范围。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技 术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进 行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发 明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变 化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术 方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。 因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种基于无迹变换的目标协同探测与制导一体化方法，用于规划飞行器飞行路径，其特征在于，包含如下内容：

以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学模型来构建飞行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程和观测方程来获取目标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值及协方差估计；

针对目标定位估计数据，将制导过程视为随机矢量非线性传播过程，通过无迹变换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹和角度进行修改。

2.根据权利要求1所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，在获取目标定位估计数据时，针对构建的地面目标状态方程及各传感器对应飞行器的观测方程，首先，利用雷达导引头在初始时刻的观测信息确定飞行器姿态数据，该姿态数据至少包含：位置、速度和姿态角；然后，对各飞行器传感器的观测数据进行数据融合。

3.根据权利要求1或2所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，数据融合过程中，各传感器分别将观测数据送入主滤波器，主滤波器利用无迹卡尔曼滤波UKF算法进行融合，融合过程表示为：

其中，

表示k+1时刻状态估计值，

表示k+1时刻协方差估计，

表示一步状态估计，

表示一步协方差估计，

表示传感器一步协方差预测自相关，

表示一步协方差预测互相关，Y_k+1表示k+1时刻观测矢量，

表示基于k时刻的一步预测值，m表示传感器。

4.根据权利要求3所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，主滤波器利用无迹卡尔曼滤波UKF算法进行滤波处理过程，包含如下内容：利用

和P_k+1/k＝I_3x3P_k/kI_3x3来预测k+1时刻状态和协方差，其中I_3×3为3×3单位矩阵；基于预测的状态和协方差构造Sigma点和相应权重，并基于观测方程的非线性传播过程的求解来预测k+1时刻目标状态估计值和协方差估计。

5.根据权利要求4所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，针对实时获取的目标定位估计数据，利用末制导过程，通过落速方向控制的导引律来获取飞行控制角，利用飞行控制角实时修正飞行器飞行轨迹和角度。

6.根据权利要求4所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，利用落速方向控制的导引律来计算每个Sigma点对应的飞行控制角，其中，飞行控制角包含：攻角和侧滑角状态矢量。

7.根据权利要求6所述的基于无迹变换的目标协同探测与制导一体化方法，其特征在于，结合末制导过程来获取各飞行器在制导坐标系中的位置和速度视线矢量坐标；根据位置和速度视线矢量坐标，结合半速度系中引力加速度矢量和气动力参数，并利用质心动力学方程及导引方程来获取攻角和侧滑角状态矢量，利用Sigma点及对应权重通过计算对应均值和协方差来确定飞行控制角。

8.一种基于无迹变换的目标协同探测与制导一体化方法，其特征在于，包含：模型构建模块、数据融合模块和飞行控制模块，其中，

模型构建模块，用于以空地导弹数学模型作为飞行器动力学模型，依据该飞行器动力学模型来构建飞行器和目标的状态方程和观测方程，并获取各飞行器中传感器的观测数据；

数据融合模块，用于通过对各飞行器传感器的观测数据进行数据融合，并利用状态方程和观测方程来获取目标定位估计数据，其中，目标定位估计数据至少包含：目标状态估计值及协方差估计；

飞行控制模块，用于针对目标定位估计数据，利用制导算法将制导过程视为随机矢量非线性传播过程，通过无迹变换来计算飞行器飞行控制角，依据飞行控制较对飞行器飞行轨迹和角度进行修改。

Images