针对高超声速再入滑翔飞行器(hypersonic reentry glide vehicle,HRGV)跟踪难的问题,提出了一种基于奇异值分解的自适应无迹卡尔曼滤波跟踪算法(adaptive unscented Kalman filter tracking algorithm based on singular value decompos...针对高超声速再入滑翔飞行器(hypersonic reentry glide vehicle,HRGV)跟踪难的问题,提出了一种基于奇异值分解的自适应无迹卡尔曼滤波跟踪算法(adaptive unscented Kalman filter tracking algorithm based on singular value decomposition,SVDA-UKF)。根据此类目标的特点,首先在气动力模型基础上建立了目标状态方程,以及将目标量测量转换至东北天坐标系下建立了量测方程。其次,采用UKF算法,并在此基础上,分别通过改用间接量测更新、引入协方差矩阵的奇异值分解、设计多位自适应因子进行改进。最后,结合HRGV目标的三类滑翔轨迹进行跟踪仿真。结果表明,SVDA-UKF算法在加快计算速度的同时,还提高了滤波精度以及可靠性,实现了对HRGV目标的良好跟踪。展开更多
文摘针对高超声速再入滑翔飞行器(hypersonic reentry glide vehicle,HRGV)跟踪难的问题,提出了一种基于奇异值分解的自适应无迹卡尔曼滤波跟踪算法(adaptive unscented Kalman filter tracking algorithm based on singular value decomposition,SVDA-UKF)。根据此类目标的特点,首先在气动力模型基础上建立了目标状态方程,以及将目标量测量转换至东北天坐标系下建立了量测方程。其次,采用UKF算法,并在此基础上,分别通过改用间接量测更新、引入协方差矩阵的奇异值分解、设计多位自适应因子进行改进。最后,结合HRGV目标的三类滑翔轨迹进行跟踪仿真。结果表明,SVDA-UKF算法在加快计算速度的同时,还提高了滤波精度以及可靠性,实现了对HRGV目标的良好跟踪。
