一種基于三維特征值空間的自適應目標指示數據估計方法技術

本發明專利技術提供了一種基于三維特征值空間的自適應目標指示數據估計方法，首先建立三維特征值空間，然后基于歷史數據學習進行三維特征值空間優化，最后基于特征值空間估計目標指示數據。本發明專利技術針對不同飛行階段的動力學特點和空間位置特點，提取相應的特征值，形成特征值空間并匹配相應的數據處理模型，提高數據處理模型的自適應能力，同時本發明專利技術通過對歷史數據的學習，自主優化數據處理模型參數，提高目標指示數據精度。

An adaptive target indication data estimation method based on 3D feature space

The present invention provides an adaptive target 3D feature space based on the indicator data value estimation method, firstly established 3D feature value space, then learning historical data using three-dimensional feature value space optimization based on eigenvalue estimation based on space target data. The present invention for position and dynamic characteristics of different phases of flight space characteristics, extract the corresponding feature values, the formation of characteristic value space and the corresponding data processing model, and improve the adaptive ability of data processing model, and the learning history data, data processing model parameter independent optimization, improve target data accuracy.

【技術實現步驟摘要】
一種基于三維特征值空間的自適應目標指示數據估計方法
本專利技術屬于測控通信系統，涉及一種自適應目標指示數據估計方法，適用于飛行器測控數據處理，預估飛行器的實時空間位置信息，即目標指示數據。
技術介紹
在各類飛行器試驗中，各類測控設備對飛行器進行跟蹤并產生測控數據，測控數據處理中心采用一定的數據處理模型對測控數據進行實時處理，估計未來某一時刻飛行器的目標指示數據，用于指揮顯示和引導，其精度的高低對試驗成敗具有重要意義。提高目標指示數據精度的關鍵在于數據處理模型，而數據處理模型優化的關鍵在于模型參數。現行的技術方案是：由于試驗中不同飛行器的飛行速度不一致，為保證目標指示數據精度滿足要求，需要在試驗前根據試驗關鍵階段的飛行器速度，對數據處理模型的相關參數進行調整。現有技術存在的缺陷是：(1)參數在試驗前設定后，整個試驗過程采用同一套模型參數，沒有考慮飛行器的種類和試驗全程的所有階段，由于飛行器種類不一致，每個飛行階段的速度也不一致，僅用一套模型會使得目標指示數據的總體精度受到影響；(2)針對不同飛行器，需要在試驗前人為進行參數修改，主觀經驗成分太多，容易影響目標指示數據的精度，且人工操作易引入其他不安全因素；(3)未考慮飛行高度對模型參數的影響，因為飛行器處于不同高度時，空氣密度、自然風、中高空風、溫度、濕度都不一致，這些因素都會引起跟蹤和跟蹤數據的不穩定性，從而引起目標指示數據異常抖動。
技術實現思路
為了克服現有技術的不足，本專利技術提供一種基于三維特征值空間的自適應目標指示數據估計方法，針對不同飛行階段的動力學特點和空間位置特點，提取相應的特征值，形成特征值空間并匹配相應的數據處理模型，提高數據處理模型的自適應能力，同時本專利技術通過對歷史數據的學習，自主優化數據處理模型參數，提高目標指示數據精度。本專利技術解決其技術問題所采用的技術方案包括以下步驟：步驟1，建立三維特征值空間，包括速度、高度、模型三個維度，步驟如下：1.1)將目標速度劃分為若干區間類型，表示為速度類集合是同屬于第s類速度的若干速度值集合；1.2)將目標高度劃分為若干區間類型，表示為高度類集合是同屬于第r類高度的若干高度值集合；1.3)以最小二乘估計模型為數據處理模型，模型的階數和批處理量(ψ,Γ)在同一個高度類和速度類內不變；1.4)建立三維特征值空間步驟2，基于歷史數據學習進行三維特征值空間優化，步驟如下：2.1)由某時刻i的目標空間位置信息(xi,yi,zi)進行坐標變換得到該時刻的特征值向量(Vs,Hr)；由特征值空間中映射得到(Vs,Hr)對應的數據處理模型(ψsr,Γsr)；2.2)根據批處理量Γsr，從已接收數據中采集最近的Γsr幀數據做最小二乘估計，計算時刻i的空間位置信息估計值2.3)采用回歸檢驗模型中的擬合優度檢驗方法，對i時刻模型(ψsr,Γsr)下的顯著性進行檢驗，檢驗模型中i時刻的測量值和估計值分別為(xi,yi,zi)和2.4)遍歷全部試驗測控數據進行步驟2.1)-2.3)，抽取同屬數據處理模型(ψsr,Γsr)的所有歷史數據的檢驗結果，若不顯著的點占比超過20％，則調整模型參數，ψsr增加或減少1，Γsr增加或減少20％，然后返回步驟2.1)重新遍歷全部試驗測控數據；反之則抽取其他數據處理模型進行顯著性檢驗；遍歷全部數據處理模型后進入步驟3；步驟3，基于特征值空間估計目標指示數據，步驟如下：需要實時接收并對測控數據進行實時處理，根據實時更新的數據序列預估未來時刻w的目標指示數據，數據處理模型為最小二乘估計模型。3.1)若最新時刻i的數據處理模型(ψsr,Γsr)與當前數據處理模型一致，則轉步驟3.3)，否則轉步驟3.2)；3.2)將(xi,yi,zi)添加到(ψsr,Γsr)的批處理緩存區，若積累數據量大于Γsr，達到批處理要求，則采用(ψsr,Γsr)為當前數據處理模型，同時清空原處理模型的批處理緩存區，轉步驟3.3)；否則，將(xi,yi,zi)添加到當前數據處理模型的批處理緩存區，繼續采用當前數據處理模型，轉步驟3.3)；3.3)采用批處理模式下的最小二乘估計模型(ψ,Γ)計算未來時刻w飛行器的空間位置信息估計值為所述的目標速度劃分為低速、亞音速、跨音速、超音速和高超音速五類。所述的目標高度劃分為對流層下層、對流層中層、對流層上層、平流層和外逸層五類。本專利技術的有益效果是：(1)針對試驗中飛行器起飛、平飛、降落等不同飛行階段的動力學特點和外界環境特點，可以自動匹配合適的數據處理模型進行處理，不再全程使用單一的模型，提高了模型的自適應能力；(2)針對不同飛行器試驗，不再需要在試驗前人為對模型參數進行修改，避免了主觀經驗成分和人工操作引起的數據安全問題；(3)通過對歷史數據的學習，可自主優化數據處理模型參數，提高了目標指示數據精度。隨著歷史數據的累積，數據處理模型也會更優。附圖說明圖1是基于歷史數據學習的三維特征值空間優化流程圖；圖2是基于特征值空間的目標指示數據估計流程圖；圖3是某試驗中采用基于特征值空間的目標指示數據估計方法的軌跡的V-H圖。具體實施方式下面結合附圖和實施例對本專利技術進一步說明，本專利技術包括但不僅限于下述實施例。本專利技術的技術解決方案是：1.三維特征值空間的建立如前所述，目標指示數據的精度關鍵在于數據處理模型，而數據處理模型的精度在于模型參數，而模型參數的設定主要與飛行器的速度和飛行高度有關，故三維特征值空間包括速度、高度、模型三個維度，主要是解決數據處理模型單一且不能在線動態調整的問題。(1)速度的劃分速度劃分的依據是：一、試驗中常用的飛行器的速度區間；二、速度的一般性定義。劃分標準如表1所示。速度類集合為是同屬于第s類速度的若干速度值集合。(2)高度的劃分高度劃分的依據是：一、試驗中常用的飛行器的高度區間；二、同一分類里空間環境不會發生重要變化。劃分標準如表2所示。高度類集合為是同屬于第r類高度的若干高度值集合。(3)模型的劃分目前試驗中使用的數據處理模型為最小二乘估計模型，最小二乘估計的兩個主要的參數是模型的階數和批處理量，設為(ψ,Γ)，批處理量Γ為用于最小二乘估計的數據量。在同一個高度類和速度類內飛行器運動特性和空間環境不會有實質性變化，同時為了避免頻繁的切換頻率，故設定在同一個高度類和速度類內模型的(ψ,Γ)值不變，模型類的劃分取決于高度類和速度類的劃分。(4)特征值空間的建立三維特征值空間的三個維度分別是速度、高度和模型，即三維特征值空間2.基于歷史數據學習的三維特征值空間優化三維特征值空間是由特征值向量和數據處理模型組成的，需要經過歷史數據的學習和訓練，通過反復迭代使二者達到最優匹配，具體方法如下：對試驗測控數據進行事后處理，遍歷所有數據項。(1)由空間位置信息映射數據處理模型由某時刻i的目標空間位置信息(xi,yi,zi)，通過坐標變換可以得到該時刻的特征值向量為(Vs,Hr)。由特征值空間中可以映射得到(Vs,Hr)對應的數據處理模型為(ψsr,Γsr)。(2)空間位置信息估計采用批處理模式下的最小二乘估計模型，批處理模式就是每次最小二乘估計都按批處理量指標從已接收數據中收集相應量的數據，例如批處理量為Γsr，則采集最近的Γsr幀數據用來做最小二乘估計。計算時刻i的空間位置信息本文檔來自技高網...

【技術保護點】
一種基于三維特征值空間的自適應目標指示數據估計方法，其特征在于包括下述步驟：步驟1，建立三維特征值空間，包括速度、高度、模型三個維度，步驟如下：1.1)將目標速度劃分為若干區間類型，表示為速度類集合

【技術特征摘要】
1.一種基于三維特征值空間的自適應目標指示數據估計方法，其特征在于包括下述步驟：步驟1，建立三維特征值空間，包括速度、高度、模型三個維度，步驟如下：1.1)將目標速度劃分為若干區間類型，表示為速度類集合是同屬于第s類速度的若干速度值集合；1.2)將目標高度劃分為若干區間類型，表示為高度類集合是同屬于第r類高度的若干高度值集合；1.3)以最小二乘估計模型為數據處理模型，模型的階數和批處理量(ψ,Γ)在同一個高度類和速度類內不變；1.4)建立三維特征值空間步驟2，基于歷史數據學習進行三維特征值空間優化，步驟如下：2.1)由某時刻i的目標空間位置信息(xi,yi,zi)進行坐標變換得到該時刻的特征值向量(Vs,Hr)；由特征值空間中映射得到(Vs,Hr)對應的數據處理模型(ψsr,Γsr)；2.2)根據批處理量Γsr，從已接收數據中采集最近的Γsr幀數據做最小二乘估計，計算時刻i的空間位置信息估計值2.3)采用回歸檢驗模型中的擬合優度檢驗方法，對i時刻模型(ψsr,Γsr)下的顯著性進行檢驗，檢驗模型中i時刻的測量值和估計值分別為(xi,yi,zi)和2.4)遍歷全部試驗測控數據進行步驟2.1)-2.3)，抽取同屬數據處理模型(ψsr,Γsr)的所有歷史數據的檢驗結果，若不...

【專利技術屬性】
技術研發人員：謝永杰，唐佩佳，張頌，張華良，王寶國，
申請(專利權)人：中國人民解放軍六三六五五部隊，
類型：發明
國別省市：新疆,65