光电跟踪平台脱靶量滞后补偿方法

针对光电跟踪平台在跟踪目标时存在脱靶量滞后的问题,设计了一种基于非线性跟踪微分器和机动目标“当前”统计模型的滞后补偿方法。根据光电跟踪平台中目标脱靶量的产生机理,将脱靶量滞后等效为纯延迟环节和采样保持环节的串联,利用非线性跟踪微分器得到滞后脱靶量的跟踪信号及其微分信号。在此基础上,采取直接预测补偿法处理延迟环节,从而估计出不含延迟的脱靶量信号,并利用滞后脱靶量和跟踪信号的间距自适应调整非线性跟踪微分器的参数。根据机动目标的“当前”统计模型建立离散状态方程,采用修正的瑞利分布描述目标加速度的“当前”概率密度,从而估计在采样保持阶段的目标脱靶量,实现对采样保持环节的补偿。实验结果表明:所提方法将单位阶跃响应的超调量由基于自适应最小均方差补偿方法及基于卡尔曼滤波补偿方法的19.4%和13.7%降低至2.5%;所提方法能有效补偿延迟环节和采样保持环节,提高光电跟踪平台的目标跟踪精度。

光电跟踪系统前馈速度求解方法

针对脱靶量滞后引起系统误差导致光电跟踪系统不能准确测距的问题,提出了加入前馈速度提高跟踪系统无差度的复合控制策略;以等效正弦和目标模拟航路为仿真模型,通过基于最小二乘的多项拟合算法对目标航迹实时预测以及跟踪微分器或差分低通滤波器求解目标前馈速度,对前馈速度求解算法进行了软件仿真,仿真结果表明:航迹误差与前馈速度误差均满足实际系统要求;将此算法应用于某型光电跟踪系统,在外场试验中对特定目标的稳定最大跟踪误差在0.4 m以内。

改进的自适应Kalman滤波在光电跟踪中的应用

为解决机载激光通信中光电跟踪平台获得脱靶量存在滞后的问题,将协方差匹配技术与Sage-Husa自适应Kalman滤波相结合应用到脱靶量滞后补偿中。首先,通过Sage-Husa自适应Kalman算法补偿滞后的脱靶量,并引入遗忘滤波的思想降低过去的量测数据对现在的影响;然后,加入基于协方差匹配技术的判据,判据生效时更新噪声协方差阵,同时增大遗忘因子使量测先验协方差阵误差估计值与理论值更快地相容达到平衡,保证系统的实时性。在仿真中目标为等效正弦运动时改进的Kalman滤波比普通Kalman滤波降低了31.1%的预测误差。在实验验证中改进的Kalman滤波跟踪精度提高18.5%,实时性提高了18%,满足了控制系统对脱靶量滞后补偿的要求,使系统运行更稳定。