向曉萍，黃宇聲，李朝海

(電子科技大學(xué) 電子工程學(xué)院, 成都 611731)

?

·數(shù)據(jù)處理·

相控陣衛(wèi)星自跟蹤系統(tǒng)閉環(huán)跟蹤濾波研究

向曉萍，黃宇聲，李朝海

(電子科技大學(xué) 電子工程學(xué)院, 成都 611731)

為了在高速運(yùn)動(dòng)的載體上實(shí)現(xiàn)相控陣天線陣列波束始終對(duì)準(zhǔn)衛(wèi)星方向，對(duì)相控陣衛(wèi)星自跟蹤系統(tǒng)的總體框架和主要信號(hào)處理過程給出了說明。閉環(huán)跟蹤濾波包括角度估計(jì)和跟蹤濾波兩個(gè)步驟，是衛(wèi)星跟蹤系統(tǒng)的核心處理模塊，系統(tǒng)采用二維比相測(cè)角算法得到角度的估計(jì)值傳入跟蹤濾波算法中，將跟蹤所得角度作為下一次測(cè)角的輸入?yún)?shù)以形成閉環(huán)跟蹤。研究了卡爾曼濾波、α-β濾波以及自適應(yīng)α-β濾波三種跟蹤濾波算法，給出坐標(biāo)變換和野值剔除的方法，對(duì)于不同跟蹤濾波方法下的系統(tǒng)跟蹤精度給出仿真對(duì)比，并分析了不同場(chǎng)景下的α-β濾波算法性能。仿真結(jié)果表明：α-β濾波具有較高的跟蹤精度，可以運(yùn)用到高速移動(dòng)的自跟蹤系統(tǒng)。

相控陣；衛(wèi)星跟蹤；角度測(cè)量；跟蹤濾波

0 引 言

衛(wèi)星跟蹤技術(shù)是通過某種跟蹤手段，使得在載體運(yùn)動(dòng)的過程中，收發(fā)天線陣列波束始終對(duì)準(zhǔn)衛(wèi)星方向，以保證正確、穩(wěn)定地完成與衛(wèi)星之間信息傳輸?shù)募夹g(shù)。相控陣天線掃描速度快、波束指向靈活且抗干擾能力強(qiáng)，能適應(yīng)機(jī)動(dòng)性較大的應(yīng)用場(chǎng)景。

相控陣衛(wèi)星跟蹤系統(tǒng)涉及信號(hào)處理的多個(gè)領(lǐng)域，角度估計(jì)以及跟蹤濾波是其中的兩項(xiàng)關(guān)鍵技術(shù)。本文將結(jié)合工程應(yīng)用，對(duì)相控陣衛(wèi)星自跟蹤系統(tǒng)閉環(huán)跟蹤濾波進(jìn)行研究，并對(duì)其中的跟蹤濾波算法進(jìn)行仿真分析，選擇合適的濾波算法，利用測(cè)角加濾波的閉環(huán)跟蹤過程實(shí)現(xiàn)對(duì)衛(wèi)星目標(biāo)位置的準(zhǔn)確預(yù)測(cè)，控制天線波束對(duì)準(zhǔn)目標(biāo)信號(hào)[1]，實(shí)現(xiàn)對(duì)目標(biāo)信號(hào)的自動(dòng)跟蹤，最終使雙向微波綜合信道達(dá)到最佳的通信效果。

1 系統(tǒng)原理與架構(gòu)設(shè)計(jì)

運(yùn)動(dòng)平臺(tái)選用高速運(yùn)動(dòng)的彈載平臺(tái)，將相控陣天線以及自跟蹤處理單元安裝在載體上。圖1給出載體平臺(tái)系統(tǒng)結(jié)構(gòu)框圖，圖2為系統(tǒng)的工作流程。接收陣列在射頻端合成4路子陣，4路子陣信號(hào)經(jīng)預(yù)處理模塊后，送入自跟蹤單元。根據(jù)載體平臺(tái)提供的姿態(tài)信息和引導(dǎo)信息完成衛(wèi)星信號(hào)的搜索捕獲和自跟蹤，通過角度測(cè)量和跟蹤濾波[2]等處理使得天線波束自動(dòng)對(duì)準(zhǔn)衛(wèi)星。跟蹤濾波過程中將實(shí)時(shí)檢測(cè)目標(biāo)是否跟丟，判定為跟丟后則重新轉(zhuǎn)入搜索捕獲狀態(tài)。

圖1 載體平臺(tái)系統(tǒng)結(jié)構(gòu)框圖

圖2 系統(tǒng)工作流程

圖3 自跟蹤狀態(tài)處理流程

在跟蹤濾波處理中，受多種偶然因素影響，已跟蹤到的目標(biāo)仍然可能丟失。此時(shí)獲得的角度估計(jì)值的誤差較大，被稱為野值，需進(jìn)行剔除。若出現(xiàn)野值則按照先前的預(yù)測(cè)方向進(jìn)行記憶外推。當(dāng)連續(xù)出現(xiàn)多次野值時(shí)，則認(rèn)為目標(biāo)已經(jīng)跟丟，此時(shí)應(yīng)重新轉(zhuǎn)入搜索捕獲過程。

自動(dòng)跟蹤過程中選擇子陣相關(guān)法[5]進(jìn)行測(cè)角并跟蹤濾波的閉環(huán)過程具有精確角度估計(jì)。下面將分析卡爾曼濾波、傳統(tǒng)α-β濾波以及自適應(yīng)α-β濾波三種跟蹤濾波算法。給出坐標(biāo)變換的方法，并建立運(yùn)動(dòng)場(chǎng)景，對(duì)于不同跟蹤濾波方法下的系統(tǒng)跟蹤精度給出仿真對(duì)比。

2 跟蹤濾波算法原理分析

2.1 卡爾曼濾波算法

角度跟蹤通常采用基于方向余弦的跟蹤濾波算法。本系統(tǒng)中觀測(cè)信息為衛(wèi)星信號(hào)的入射角度[φ,θ]T。記[xcyczc]T為目標(biāo)在慣性系下的方向余弦，其表達(dá)式為

[xcyczc]T=[sinθcosφ sinθsinφ cosθ]T

(1)

以方向余弦及其變化速度作為跟蹤濾波器狀態(tài)向量，記為

(2)

x軸、y軸和z軸三個(gè)維度的方向余弦變化速度可根據(jù)式(3)給出

(3)

式中：T為跟蹤濾波器的采樣周期。

離散化的目標(biāo)運(yùn)動(dòng)狀態(tài)方程為

x(n)=F(n,n-1)x(n-1)+Γ(n,n-1)v1(n-1)

(4)

式中：F(n,n-1)為狀態(tài)轉(zhuǎn)移矩陣，其取值為

(5)

Γ(n,n-1)為狀態(tài)噪聲輸入矩陣，取值為

(6)

v1(n)為該模型的狀態(tài)噪聲，也稱為過程噪聲，服從零均值、方差為Q1(n)的高斯分布。

觀測(cè)方程為

z(n)=C(n)x(n)+v2(n)

(7)

式中：z(n)為觀測(cè)向量，由x軸、y軸和z軸三個(gè)維度的方向余弦組成；v2(n)為觀測(cè)噪聲，服從零均值、方差為Q2(n)的高斯分布，它與過程噪聲v1(n)相互獨(dú)立；C(n)為觀測(cè)矩陣，其取值為

(8)

卡爾曼濾波[6]的操作步驟如下：

步驟1：狀態(tài)一步預(yù)測(cè)

(9)

步驟2：根據(jù)觀測(cè)向量z(n)求取新息過程

(10)

步驟3：計(jì)算一步預(yù)測(cè)誤差自相關(guān)矩陣

P(n,n-1)= F(n,n-1)P(n-1)FH(n,n-1)+

Γ(n,n-1)Q1(n-1)ΓH(n,n-1)

(11)

步驟4：計(jì)算新息過程自相關(guān)矩陣

A(n)=C(n)P(n,n-1)CH(n)+Q2(n)

(12)

步驟5：計(jì)算濾波器增益

K(n)=P(n,n-1)CH(n)A-1(n)

(13)

步驟6：狀態(tài)估計(jì)

(14)

步驟7：計(jì)算狀態(tài)估計(jì)誤差自相關(guān)矩陣

P(n)=[I-K(n)C(n)]P(n,n-1)

(15)

步驟8：重復(fù)以上步驟進(jìn)行遞推

可以看到：卡爾曼濾波的計(jì)算過程涉及矩陣求逆等復(fù)雜的操作。因此，該算法具有較大的運(yùn)算量。

2.2α-β濾波

卡爾曼濾波的運(yùn)算復(fù)雜度主要來自增益矩陣的求解。為了便于工程實(shí)現(xiàn)，出現(xiàn)了常增益濾波器。其中一種是α-β濾波器[7]，主要針對(duì)勻速運(yùn)動(dòng)目標(biāo)模型。其增益矩陣的表達(dá)式為

(16)

式中：α和β分別為目標(biāo)狀態(tài)的位置和速度分量的增益；T為采樣周期。定義機(jī)動(dòng)指標(biāo)λ為

(17)

式中：σ1和σ2分別為過程噪聲與觀測(cè)噪聲標(biāo)準(zhǔn)差。

濾波增益α和β的表達(dá)式為

(18)

與卡爾曼濾波類似，采用α-β濾波算法時(shí)仍然以方向余弦為觀測(cè)信息，方向余弦及其變化速度為狀態(tài)向量。狀態(tài)轉(zhuǎn)移矩陣與觀測(cè)矩陣的取值也與卡爾曼濾波方法相同，分別見式(5)和式(8)。

與卡爾曼濾波相比，α-β濾波器的增益與自相關(guān)矩陣無關(guān)。因此，計(jì)算量大幅減小，易于工程實(shí)現(xiàn)。

2.3 自適應(yīng)α-β濾波算法

自適應(yīng)α-β濾波在傳統(tǒng)α-β濾波算法的基礎(chǔ)上，根據(jù)方差的變化來自動(dòng)調(diào)節(jié)濾波增益，使誤差保持在某個(gè)范圍內(nèi)。那么就可以避免濾波器的發(fā)散以及跟蹤目標(biāo)的丟失。

(19)

α(n)和β(n)與r的關(guān)系為

(20)

(21)

式中：a(n)為新息值；N可取3到5。

與α-β濾波算法相同，自適應(yīng)α-β濾波算法仍然以方向余弦為觀測(cè)信息，方向余弦及其變化速度為狀態(tài)向量。狀態(tài)轉(zhuǎn)移矩陣與觀測(cè)矩陣的取值也與卡爾曼濾波方法相同，分別見式(5)和式(8)。具體步驟與α-β濾波算法步驟相同。

3 閉環(huán)跟蹤濾波算法仿真分析

3.1 野值剔除

受多種因素影響，觀測(cè)數(shù)據(jù)中可能有部分?jǐn)?shù)據(jù)與真實(shí)值之間存在很大誤差，這些數(shù)據(jù)被稱為野值。野值會(huì)對(duì)系統(tǒng)跟蹤性能產(chǎn)生較大的影響，需要剔除。

采用一種基于觀測(cè)向量的一步預(yù)測(cè)值的野值剔除方法。該方法的操作步驟即是將新息過程的模值與某一門限W做判決，若滿足

(22)

則認(rèn)為觀測(cè)數(shù)據(jù)有效，否則判為野值。通常門限值可選為W=3e，其中，e為觀測(cè)噪聲標(biāo)準(zhǔn)差。若當(dāng)前觀測(cè)值被判為野值，則在狀態(tài)估計(jì)時(shí)利用前一周期的狀態(tài)向量估計(jì)值做線性外推，即

(23)

當(dāng)連續(xù)3～5個(gè)觀測(cè)時(shí)刻均檢測(cè)到野值時(shí)判定為跟蹤目標(biāo)丟失。此時(shí)應(yīng)當(dāng)重新初始化跟蹤濾波器。

3.2 坐標(biāo)變換

天線測(cè)角一般以載體坐標(biāo)系為參考，而跟蹤濾波通常在慣性系下進(jìn)行，載體姿態(tài)的變化會(huì)對(duì)跟蹤濾波性能造成影響。因此，需要通過坐標(biāo)變換予以克服。

將慣性坐標(biāo)系原點(diǎn)設(shè)在載體質(zhì)心上，x軸為地理上指北方向，y軸為指東方向，z軸為地平線之垂線并且指向地心的方向。設(shè)慣性坐標(biāo)系下載體做勻速運(yùn)動(dòng)，沿x軸、y軸和z軸的速度分別為Vx、Vy和Vz，在慣性系下的三個(gè)坐標(biāo)軸方向的位置分別記為X(n)、Y(n)和Z(n)，n為觀測(cè)時(shí)刻，觀測(cè)周期為Ts，則運(yùn)動(dòng)方程可表示為

(24)

根據(jù)運(yùn)動(dòng)方程可求出目標(biāo)在慣性系下歸一化的方向余弦

(25)

載體坐標(biāo)系原點(diǎn)設(shè)在載體的質(zhì)心上，x軸為彈體縱軸指向運(yùn)動(dòng)方向，y軸為彈體縱對(duì)稱面內(nèi)，z軸垂直于縱對(duì)稱面，右手螺旋準(zhǔn)則確定。

彈體慣性坐標(biāo)系和載體坐標(biāo)系之間的轉(zhuǎn)換兩坐標(biāo)系之間的相對(duì)關(guān)系如圖4所示。

圖4 載體慣性坐標(biāo)系與載體坐標(biāo)系示意圖

載體慣性坐標(biāo)系Ob-XbYbZb依次繞ObYb軸旋轉(zhuǎn)α，繞ObZb軸旋轉(zhuǎn)β，繞ObXb軸旋轉(zhuǎn)γ。得到彈體坐標(biāo)系Om-XmYmZm，載體姿態(tài)偏航角α，俯仰角β，橫滾角γ， 目標(biāo)在彈體坐標(biāo)系Om-XmYmZm中的坐標(biāo)Xm=[xm,ym,zm]。因此，從導(dǎo)彈慣性坐標(biāo)系到導(dǎo)彈坐標(biāo)系之間的轉(zhuǎn)換關(guān)系為

(26)

其中

(27)

為從導(dǎo)彈慣性坐標(biāo)系到導(dǎo)彈坐標(biāo)系的轉(zhuǎn)換矩陣。

記r1和r2分別為目標(biāo)在慣性系和載體坐標(biāo)系中的方向余弦，兩者關(guān)系為r2=Tr1，由載體坐標(biāo)系到慣性系下坐標(biāo)逆變換方程為r1=T-1r2。

將慣性系下的角度轉(zhuǎn)換為方向余弦，按照轉(zhuǎn)換關(guān)系求出載體坐標(biāo)系下的方向余弦，最后求出載體坐標(biāo)系下的角度，完成角度的坐標(biāo)變換。也可以將載體坐標(biāo)系下的角度經(jīng)過逆變換轉(zhuǎn)換為慣性系下的角度。

現(xiàn)在考慮載體姿態(tài)的翻轉(zhuǎn)，變化參數(shù)如表1所示。

表1 姿態(tài)變化參數(shù)

載體姿態(tài)如圖5所示。

圖5 載體姿態(tài)

按照坐標(biāo)變換原理可得到目標(biāo)載體坐標(biāo)系下的方向余弦，進(jìn)而求解出載體坐標(biāo)系下目標(biāo)信號(hào)的方位角與俯仰角。設(shè)慣性系下目標(biāo)沿x軸、y軸和z軸的運(yùn)動(dòng)速度為100 m/s、300 m/s和500 m/s，三個(gè)坐標(biāo)軸的初始位置分別為 500 km、300 km和1 000 km。圖6給出了載體坐標(biāo)系下目標(biāo)方位角與俯仰角的變化情況。

圖6 載體坐標(biāo)系下目標(biāo)方位俯仰角變化

3.3 不同濾波算法仿真對(duì)比

為進(jìn)行算法仿真對(duì)比，先建立載體運(yùn)動(dòng)模型，其中包含載體姿態(tài)。由運(yùn)動(dòng)模型可求出載體坐標(biāo)系中的入射信號(hào)角度和初始波束指向。然后建模產(chǎn)生四個(gè)子陣輸出信號(hào)并估計(jì)信號(hào)角度。角度估計(jì)結(jié)果是在載體坐標(biāo)系下獲得的，經(jīng)過坐標(biāo)逆變換可以得到慣性坐標(biāo)系下的目標(biāo)信號(hào)方向余弦，并以此作為觀測(cè)向量進(jìn)入跟蹤濾波處理。跟蹤濾波處理后得到慣性坐標(biāo)系下的波束指向估計(jì)值，經(jīng)過坐標(biāo)變換轉(zhuǎn)換為載體坐標(biāo)系下對(duì)應(yīng)的波束指向，用于下一觀測(cè)時(shí)刻的信號(hào)產(chǎn)生和角度估計(jì)。具體跟蹤濾波仿真流程如圖7所示。

圖7 跟蹤濾波仿真流程

仿真過程數(shù)據(jù)首先根據(jù)運(yùn)動(dòng)模型確定目標(biāo)實(shí)際的入射角和俯仰角位置，為了分析自跟蹤的效果，在初始化系統(tǒng)過程時(shí)，進(jìn)入系統(tǒng)角度與實(shí)際方向偏1.5個(gè)波束寬度，并基于多次獨(dú)立試驗(yàn)得到不同觀測(cè)時(shí)間測(cè)角結(jié)果和跟蹤結(jié)果與實(shí)際角度之間的均方根誤差(RMSE)。仿真目標(biāo)狀態(tài)要求跟蹤過程要趨于收斂且整體的誤差小于0.5°，在實(shí)現(xiàn)過程中每隔2 ms更新一次角度結(jié)果。

結(jié)合上一節(jié)的運(yùn)動(dòng)模型，對(duì)三種跟蹤濾波算法性能進(jìn)行仿真對(duì)比。仿真時(shí)不考慮幅相誤差等非理想因素，信噪比設(shè)置為-10 dB。圖8、圖9給出了仿真結(jié)果。

圖8 不同跟蹤算法方位角觀測(cè)誤差與跟蹤誤差

圖9 不同跟蹤算法俯仰角觀測(cè)誤差與跟蹤誤差

比較三種跟蹤方法可以看到：跟蹤誤差隨著觀測(cè)時(shí)間的增大均小于觀測(cè)誤差，說明濾波過程有效地提高了跟蹤精度?？柭鼮V波算法和α-β濾波算法得到的測(cè)角和跟蹤誤差接近。兩種方法的跟蹤誤差大約為測(cè)角誤差的1/5以下，有較好的跟蹤效果。圖中可以直觀地看出從跟蹤誤差這個(gè)方面進(jìn)行比較，傳統(tǒng)α-β濾波算法收斂較快，自適應(yīng)α-β算法收斂相對(duì)較慢，而自適應(yīng)α-β算法在穩(wěn)定之后曲線更為平滑，更穩(wěn)定。

根據(jù)三種方法的原理，卡爾曼濾波需要實(shí)時(shí)計(jì)算增益矩陣。增益矩陣的計(jì)算涉及一步預(yù)測(cè)自相關(guān)和新息過程自相關(guān)矩陣的估計(jì)以及矩陣求逆過程，計(jì)算量大。自適應(yīng)α-β算法雖然收斂后曲線更平滑，但收斂速度較慢，難以適應(yīng)快速的載機(jī)姿態(tài)變化。此外，在實(shí)際運(yùn)用中，自適應(yīng)α-β濾波算法需要實(shí)時(shí)的量測(cè)噪聲精度，而我們面陣的量測(cè)噪聲精度與入射角是時(shí)變的，難以實(shí)時(shí)給出。因此，經(jīng)過綜合考慮，我們方案中選用的跟蹤濾波算法為傳統(tǒng)α-β濾波算法，其更適合本系統(tǒng)的處理方法。

3.4 不同場(chǎng)景下α-β濾波算法性能仿真

根據(jù)上一節(jié)的討論，α-β濾波算法更適合工程實(shí)現(xiàn)?；诮⒌倪\(yùn)動(dòng)模型，通過仿真討論信噪比、波束指向誤差以及載體姿態(tài)測(cè)量誤差對(duì)系統(tǒng)α-β濾波算法性能造成的影響。

3.4.1 信噪比對(duì)α-β濾波性能影響

考慮信噪比的影響。設(shè)置三種不同大小的信噪比場(chǎng)景，分別為-20 dB、-10 dB、0 dB。圖10和圖11分別給出了不同信噪比下，方位與俯仰角的測(cè)角與跟蹤誤差的對(duì)比情況。

圖10 不同信噪比下的方位角測(cè)角和跟蹤誤差曲線

圖11 不同信噪比下的俯仰角測(cè)角和跟蹤誤差曲線

由圖10和圖11可知，隨著信噪比降低，測(cè)角和跟蹤誤差增大。測(cè)角誤差曲線仍然存在較大的波動(dòng)，目標(biāo)角度值較大處測(cè)角誤差明顯增大。跟蹤誤差曲線則相對(duì)平滑，波動(dòng)情況得到改善。三種場(chǎng)景下，經(jīng)過1 s的時(shí)間跟蹤誤差曲線基本收斂，此時(shí)可認(rèn)為進(jìn)入穩(wěn)定跟蹤狀態(tài)。隨著信噪比增加，跟蹤誤差減小。

3.4.2 波束指向誤差對(duì)α-β濾波性能影響

波束指向誤差，是指陣列天線波束指向的理想值與真實(shí)指向之間的偏差。波束指向誤差受多種因素影響，如：陣元及射頻通道的幅相不一致性及移相器的相位量化誤差等。設(shè)置了三種不同大小的波束指向誤差，觀察測(cè)角誤差和跟蹤誤差曲線的變化情況。信噪比均為-10 dB，波束指向誤差按照高斯分布建模，誤差參數(shù)依次為方差為0°、1°、2°。

不同波束指向誤差下的測(cè)角和跟蹤誤差仿真結(jié)果見圖12、圖13。可以看到：波束指向誤差增大時(shí)，測(cè)角和跟蹤誤差均明顯增大。因此，波束指向誤差對(duì)測(cè)角和跟蹤濾波的性能均有較大的影響。測(cè)角誤差曲線仍然隨著信號(hào)角度的改變有較大的起伏波動(dòng)。

圖12 不同波束指向誤差下的方位角測(cè)角和跟蹤誤差曲線

圖13 不同波束指向誤差下的俯仰測(cè)角和跟蹤誤差曲線

3.4.3 載體姿態(tài)測(cè)量誤差對(duì)α-β濾波性能影響

α-β跟蹤濾波算法處理過程中，坐標(biāo)變換與逆變換將用到載體姿態(tài)信息。實(shí)際工程中，載體姿態(tài)測(cè)量存在誤差，會(huì)對(duì)測(cè)角和跟蹤濾波性能造成影響。

載體姿態(tài)測(cè)量誤差以高斯分布建模，通過改變其方差來改變測(cè)量誤差大小。不同的載體姿態(tài)測(cè)量誤差下的測(cè)角和跟蹤誤差對(duì)比情況見圖14和圖15。三種場(chǎng)景下信噪比均為-10 dB。姿態(tài)測(cè)量誤差的參數(shù)依次為方差為1°、2°、3°。

圖14 不同姿態(tài)測(cè)量誤差下的方位角測(cè)角和跟蹤誤差曲線

圖15 不同姿態(tài)測(cè)量誤差下的俯仰角測(cè)角和跟蹤誤差曲線

從圖14和圖15可以看到：當(dāng)載體姿態(tài)測(cè)量誤差增大時(shí)，測(cè)角誤差和跟蹤誤差顯著增大，說明載體姿態(tài)測(cè)量誤差對(duì)測(cè)角和跟蹤精度影響很大?？紤]載體姿態(tài)誤差時(shí)，測(cè)角誤差曲線隨信號(hào)角度變化的起伏不明顯，說明此時(shí)入射信號(hào)角度大小已經(jīng)是影響測(cè)角的次要因素。

綜合考慮，在本節(jié)考慮的非理想因素中載體姿態(tài)測(cè)量誤差是對(duì)測(cè)角和跟蹤性能影響最大的因素。

4 結(jié)束語

本文針對(duì)高速運(yùn)動(dòng)平臺(tái)上相控陣衛(wèi)星自跟蹤系統(tǒng)閉環(huán)跟蹤濾波，介紹了系統(tǒng)的總體流程，二維測(cè)角方法，卡爾曼濾波、α-β濾波以及自適應(yīng)α-β濾波算法的基本原理，以及坐標(biāo)變換與逆變換和野值剔除的方法。隨后建立相應(yīng)的運(yùn)動(dòng)場(chǎng)景，對(duì)三種跟蹤濾波算法的性能做了對(duì)比，選擇α-β濾波作為系統(tǒng)跟蹤濾波的處理方法。研究了不同場(chǎng)景下的α-β濾波算法性能。研究過程中主要討論了信噪比、幅相誤差、波束指向誤差以及載體姿態(tài)測(cè)量誤差對(duì)測(cè)角和跟蹤濾波算法性能的影響。

[1] GUESALAGA A，TEPPER S．Synthesis of automatic gain controllers for conical scan tracking radar[J]．IEEE Transactions and Electronic Systems, Aerospace and Electronic Systems, 2000, 36(1)：302-309.

[2] 牛寶君, 李延波. 二維相控陣單脈沖跟蹤測(cè)角方法的研究與應(yīng)用[J]. 現(xiàn)代雷達(dá), 2003, 25(5): 16-18. NIU Baojun, LI Yanbo. Study and application of angle measurement for 2-D phased array monopulse tracking[J]. Modern Radar, 2003, 25(5): 16-18.

[3] 韓彥明, 陳希信. 自適應(yīng)和差波束形成與單脈沖測(cè)角研究[J]. 現(xiàn)代雷達(dá), 2010, 32(12): 44-47. HAN Yanming, CHEN Xixin. A study on adaptive sum and difference beam forming and monopulse angle estimation[J]. Modern Radar, 2010, 32(12): 44-47.

[4] 陳知明, 魏述剛. 相控陣?yán)走_(dá)測(cè)角誤差自適應(yīng)計(jì)算方法[J]. 現(xiàn)代雷達(dá), 2013, 35(7): 13-15. CHEN Zhiming, WEI Shugang. Self-adaptive calculation method of angle error curve measurement for phased array antenna[J]. Modern Radar, 2013, 35(7): 13-15.

[5] 李朝海, 姜雯獻(xiàn), 王國(guó)龍,等. 彈載相控陣衛(wèi)星跟蹤系統(tǒng)設(shè)計(jì)與測(cè)角研究[J]. 現(xiàn)代雷達(dá), 2014, 36(11): 18-23. LI Chaohai, JIANG Wenxian, WANG Guolong, et al. Design of satellite tracking system for missile-borne phased array radar and study on angle measurement[J]. Modern Radar, 2014, 36(11): 18-23.

[6] SHARMA S, DESHPANDE S, SIVALINGAM K M. Alpha-beta filter based target tracking in clustered wireless sensor networks[C]// 2011 Third International Conference on Communication Systems and Networks (COMSNETS). Bangalore: IEEE Press, 2011: 1-4.

[7] CHIOU Y S, WANG C L, YEH S C. Reduced-complexity scheme using alpha-beta filtering for location tracking[J]. Communications, IET, 2011, 5(13): 1806-1813.

向曉萍 女，1991年生，碩士研究生。研究方向?yàn)殛嚵欣走_(dá)信號(hào)處理。

李朝海 男，1972年生，高級(jí)工程師。研究方向?yàn)楦咚賹?shí)時(shí)信號(hào)處理、雷達(dá)系統(tǒng)及信號(hào)處理。

黃宇聲 男，1989年生，碩士研究生。研究方向?yàn)殛嚵行盘?hào)處理。

A Study on the Closed-loop Tracking Filtering of Phased Array Satellite Tracking System

XIANG Xiaoping，HUANG Yusheng，LI Chaohai

(School of Electronic Engineering,University of Electronic Science and Technology of China, Chengdu 611731, China)

In order to realize the same direction between the beam pointing of phased array antenna on the high-speed motion platform and the satellite，the overall frame and main signal processing procedures of the phased array satellite tracking system are presented in this paper. The closed-loop tracking filter which includes the steps of angle estimation and tracking filtering is the core processing module of satellite tracking system. The phase-comparison angle measurement algorithm of two dimensional array is used to get the estimated value of the angles and the angles are the input parameters of the tracking filtering process. The result of the tracking filtering is returned to the angle measurement algorithm to form a closed loop tracking. The Kalman filter,α-βfilter and adaptiveα-βfilter algorithm are researched. The method of coordinate transformation and outlier removal are given. The tracking accuracy of different tracking filter algorithms is completed through simulation, and the algorithm performance ofα-βfilter is analyzed under different scenarios. The simulation results show that the tracking accuracy of theα-βfilter is high, which can be applied to the high-speed mobile tracking system.

phased array; satellite tracking; angle measurement; tracking filtering

10.16592/ j.cnki.1004-7859.2016.03.012

國(guó)家自然科學(xué)基金資助項(xiàng)目(61101173)；中央高校基本科研業(yè)務(wù)費(fèi)(ZYGX20100020)

向曉萍 Email：xxpllg123@163.com

2015-10-18

2015-12-20

TN974

A

1004-7859(2016)03-0054-07