[论文解读] Application of Extended Kalman Filter to Tactical Ballistic Missile Re-entry Problem

Subrata Bhowmik, Chandrani Roy|ArXiv.org|Jul 13, 2007

Target Tracking and Data Fusion in Sensor Networks参考文献 2被引用 5

一句话总结

本文将扩展卡尔曼滤波器（EKF）应用于再入阶段战术弹道导弹轨迹的估计，通过沿动态调整的参考轨迹进行实时状态更新。该方法在弹道系数增大时表现出更高的估计精度，验证了EKF在非线性再入动力学中的有效性，尽管存在线性化误差。

ABSTRACT

The objective is to investigate the advantages and performance of Extended Kalman Filter for the estimation of non-linear system where linearization takes place about a trajectory that was continually updated with the state estimates resulting from the measurement. Here tactile ballistic missile Re-entry problem is taken as a nonlinear system model and Extended Kalman Filter technique is used to estimate the positions and velocities at the X and Y direction at different values of ballistic coefficients. The result shows that the method gives better estimation with the increase of ballistic coefficient.

研究动机与目标

• 解决非线性战术弹道导弹再入动力学中精确状态估计的挑战。
• 评估扩展卡尔曼滤波器（EKF）在非线性条件下对位置和速度估计的性能。
• 分析弹道系数变化对EKF框架中估计精度的影响。
• 评估利用状态估计持续更新轨迹对滤波器收敛性和鲁棒性的影响。
• 验证EKF作为战术导弹系统中实时再入跟踪的可行解决方案。

提出的方法

• 将EKF应用于战术弹道导弹再入动力学的非线性系统模型。
• 通过实时使用新测量值更新轨迹，对轨迹进行连续线性化以实现状态估计。
• 滤波器在X和Y方向上估计状态，包括位置和速度分量。
• 系统模型将变化的弹道系数作为关键输入参数。
• EKF算法通过测量残差迭代更新状态向量和误差协方差矩阵。
• 该方法依赖于状态转移矩阵的时间推进以及每一步的雅可比矩阵计算以实现线性化。

实验结果

研究问题

• RQ1 扩展卡尔曼滤波器在估计战术弹道导弹再入阶段非线性轨迹时表现如何？
• RQ2 不同弹道系数对EKF估计精度有何影响？
• RQ3 利用状态估计持续更新轨迹如何影响滤波器的收敛性和稳定性？
• RQ4 关于时变轨迹的线性化在多大程度上提升了估计性能？
• RQ5 EKF能否有效处理再入飞行中非高斯且高度非线性的动力学？

主要发现

• 扩展卡尔曼滤波器显著提升了战术弹道导弹再入问题的状态估计精度。
• 随着弹道系数的增大，估计性能显著提高。
• 当轨迹通过测量得到的状态估计持续更新时，滤波器表现出稳定的收敛性。
• 通过实时轨迹校正，线性化误差得到缓解，增强了鲁棒性。
• 该方法在不同弹道条件下，有效跟踪了X和Y方向的位置与速度分量。
• 结果证实EKF是战术导弹系统中实时再入跟踪的一种可行且高效的方法。