[发明专利]一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法

摘要

一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法，本发明涉及飞行器的航迹估计方法。本发明解决了现有航迹估计方法在目标飞行器复杂机动条件下精度较低的问题。本发明的技术要点为：建立飞行器的动力学模型，并进一步建立飞行器的机动模型；构建用于飞行器航迹估计的可学习扩展卡尔曼滤波算法，并设计和训练其中的输入修饰网络和增益修饰网络。本发明中飞行器航迹估计中所使用的可学习扩展卡尔曼滤波算法是根据已有航迹数据训练获得的，更充分的利用了飞行器的运动特性先验信息，可更准确的描述飞行器的复杂机动模态，提升了航迹估计精度。本方法适用于基于知识和模式的信息推算领域。

主权项

1.一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法，其特征在于所述方法是按照以下步骤实现的：步骤一：建立飞行器的机动模型假设地球是一个正球体，在忽略自转的条件下，得到飞行器的三维动力学模型：其中，r为飞行器质心到地心的距离，θ为经度,φ为纬度，v为速度，γ为弹道倾角，ψ为弹道偏角，m为飞行器质量，R_e＝6,378,135m为地球半径，g₀为重力加速度，S_ref为飞行器的特征面积，ρ＝ρ₀e^‑βh为大气密度，和为飞行器升阻比最大时的升力系数和阻力系数，c_l为标准化升力系数，σ为飞行器的倾侧角；使用Singer机动模型描述飞行器的侧向机动：其中，T_s为机动的时间常数；联立式(1)、(2)即得到飞行器的机动模型：步骤二：根据量测(r,θ,φ)估计飞行器的运动状态，使用可学习扩展卡尔曼滤波算法进行飞行器运动状态估计。