[发明专利]一种基于三维特征值空间的自适应目标指示数据估计方法

摘要

本发明提供了一种基于三维特征值空间的自适应目标指示数据估计方法，首先建立三维特征值空间，然后基于历史数据学习进行三维特征值空间优化，最后基于特征值空间估计目标指示数据。本发明针对不同飞行阶段的动力学特点和空间位置特点，提取相应的特征值，形成特征值空间并匹配相应的数据处理模型，提高数据处理模型的自适应能力，同时本发明通过对历史数据的学习，自主优化数据处理模型参数，提高目标指示数据精度。

主权项

一种基于三维特征值空间的自适应目标指示数据估计方法，其特征在于包括下述步骤：步骤1，建立三维特征值空间，包括速度、高度、模型三个维度，步骤如下：1.1)将目标速度划分为若干区间类型，表示为速度类集合是同属于第s类速度的若干速度值集合；1.2)将目标高度划分为若干区间类型，表示为高度类集合是同属于第r类高度的若干高度值集合；1.3)以最小二乘估计模型为数据处理模型，模型的阶数和批处理量(ψ,Γ)在同一个高度类和速度类内不变；1.4)建立三维特征值空间步骤2，基于历史数据学习进行三维特征值空间优化，步骤如下：2.1)由某时刻i的目标空间位置信息(xi,yi,zi)进行坐标变换得到该时刻的特征值向量(Vs,Hr)；由特征值空间中映射得到(Vs,Hr)对应的数据处理模型(ψsr,Γsr)；2.2)根据批处理量Γsr，从已接收数据中采集最近的Γsr帧数据做最小二乘估计，计算时刻i的空间位置信息估计值2.3)采用回归检验模型中的拟合优度检验方法，对i时刻模型(ψsr,Γsr)下的显著性进行检验，检验模型中i时刻的测量值和估计值分别为(xi,yi,zi)和2.4)遍历全部试验测控数据进行步骤2.1)‑2.3)，抽取同属数据处理模型(ψsr,Γsr)的所有历史数据的检验结果，若不显著的点占比超过20％，则调整模型参数，ψsr增加或减少1，Γsr增加或减少20％，然后返回步骤2.1)重新遍历全部试验测控数据；反之则抽取其他数据处理模型进行显著性检验；遍历全部数据处理模型后进入步骤3；步骤3，基于特征值空间估计目标指示数据，步骤如下：3.1)若最新时刻i的数据处理模型(ψsr,Γsr)与当前数据处理模型一致，则转步骤3.3)，否则转步骤3.2)；3.2)将(xi,yi,zi)添加到(ψsr,Γsr)的批处理缓存区，若积累数据量大于Γsr，达到批处理要求，则采用(ψsr,Γsr)为当前数据处理模型，同时清空原处理模型的批处理缓存区，转步骤3.3)；否则，将(xi,yi,zi)添加到当前数据处理模型的批处理缓存区，继续采用当前数据处理模型，转步骤3.3)；3.3)采用批处理模式下的最小二乘估计模型(ψ,Γ)计算未来时刻w飞行器的空间位置信息估计值为