臨近空間高超聲速目標(biāo)因具有高速、大機(jī)動(dòng)、全球到達(dá)的特點(diǎn),已成為國(guó)防安全的一類新型威脅.此類目標(biāo)具有非慣性的航跡形式、并可進(jìn)行復(fù)雜的策略性機(jī)動(dòng),給其航跡估計(jì)帶來(lái)了新的挑戰(zhàn).為應(yīng)對(duì)目標(biāo)的機(jī)動(dòng)特性,提升航跡估計(jì)性能,將循環(huán)神經(jīng)網(wǎng)絡(luò)與擴(kuò)展卡爾曼濾波深度嵌合,提出了基于可學(xué)習(xí)擴(kuò)展卡爾曼濾波的航跡估計(jì)方法.首先,通過(guò)分析目標(biāo)機(jī)動(dòng)特性,建立了參數(shù)化的目標(biāo)機(jī)動(dòng)模型.然后,考慮目標(biāo)復(fù)雜機(jī)動(dòng)特性對(duì)航跡估計(jì)造成的影響,將循環(huán)神經(jīng)網(wǎng)絡(luò)與擴(kuò)展卡爾曼濾波深度嵌合,提出了可學(xué)習(xí)擴(kuò)展卡爾曼濾波方法.通過(guò)使用已有航跡數(shù)據(jù)進(jìn)行訓(xùn)練,所嵌入的兩個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò),可發(fā)現(xiàn)目標(biāo)機(jī)動(dòng)的隱含規(guī)律,并對(duì)目標(biāo)復(fù)雜機(jī)動(dòng)所引起參數(shù)與模型不確定性的進(jìn)行在線識(shí)別與動(dòng)態(tài)補(bǔ)償.最后,以某臨近空間高超聲速目標(biāo)的航跡估計(jì)為例,選取典型機(jī)動(dòng)場(chǎng)景,對(duì)所提出方法與EKF、AEKF等傳統(tǒng)方法進(jìn)行了對(duì)比分析.分析結(jié)果表明,所提出的可學(xué)習(xí)擴(kuò)展卡爾曼濾波方法可有效應(yīng)對(duì)目標(biāo)復(fù)雜的機(jī)動(dòng),具有比EKF、AEKF方法更高的估計(jì)精度和更優(yōu)的估計(jì)動(dòng)態(tài)性能. 

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

擴(kuò)展卡爾曼濾波

輸入修飾網(wǎng)絡(luò)

增益修飾網(wǎng)絡(luò)

【參考文獻(xiàn)】：
期刊論文
[1]Highly maneuvering target tracking using multi-parameter fusion Singer model[J]. Shuyi Jia,Yun Zhang,Guohong Wang.  Journal of Systems Engineering and Electronics. 2017(05)
[2]Modified unscented Kalman filter using modified filter gain and variance scale factor for highly maneuvering target tracking[J]. Changyun Liu,Penglang Shui,Gang Wei,Song Li.  Journal of Systems Engineering and Electronics. 2014(03)



本文編號(hào)：3710232