Ссылка для цитирования : Ходатаев Н. А., Тимошенко А. В., Казанцев А. М., Скосаренко А. Е. Интеллектуальный алгоритм сопровождения высокодинамических аэробаллистических объектов на основе оценок траектории движения // Изв. вузов. Приборостроение. 2024. Т. 67, № 1. С. 20—32. DOI: 10.17586/0021-3454-2024-67-1-20-32.

Аннотация. Рассматривается задача обеспечения своевременного и эффективного обнаружения и сопровождения высокодинамических аэробаллистических объектов (ВАО). Для повышения точности сопровождения объектов наземными сенсорами предложен новый метод агрегирования прогностических оценок траектории движения ВАО и шумов измерений с использованием ансамблевого фильтра Калмана, который реализует метод аппроксимации с помощью кубической сплайн-интерполяции в совокупности с прогнозированием временных последовательностей. Этот подход позволяет более точно предсказывать траекторию ВАО на нелинейных участках движения и значительно улучшает сопровождение цели наземными сенсорами. Для подтверждения эффективности предлагаемого подхода разработана математическая модель системы наблюдения и проведена оценка эффективности применения ансамблевого фильтра Калмана для сопровождения ВАО по сравнению с обычным фильтром Калмана.

Ключевые слова: наземный сенсор, сопровождение, высокодинамический аэробаллистический объект, аналитическая модель, траектория движения, ансамблевый фильтр Калмана

Список литературы:

1. Сарычев М., Баширов Н., Новикова Д. Основные программы разработки гиперзвукового оружия в вооруженных силах США // Зарубежное военное обозрение. 2021. № 9. С. 28—34.
2. Тимошенко А. В., Клименко В. М., Балдычев М. Т., Ромахин В. А., Омельшин А. А. Основные результаты реализации программ по разработке гиперзвукового оружия в США // Вестн. воздушно-космической обороны. 2022. № 2(34). С. 118—131.
3. Ermakov A. Military hypersonic technology in the US // New Defense Order. Strategy. 2020. N 5. P. 70—77.
4. Mizokami K. Say Hello to „Dark Eagle“ the Army’s New Hypersonic Weapon // Popular Mechanics. [Электронный ресурс]: .
5. Sayler K. M. Hypersonic Weapons: Background and Issues for Congress // Congressional Research Service [Электронный ресурс]: , 10.11.21.
6. Маркова М. В., Сергунов К. Ю. Решение задачи селекции путем оценки эффективной площади рассеяния плазменной оболочки // Вестн. Концерна ВКО „Алмаз — Антей“. 2017. № 2. С. 10—15.
7. Zhang J., Xiong J., Li L., Xi Q., Chen X., Li F. Motion State Recognition and Trajectory Prediction of Hypersonic Glide Vehicle Based on Deep Learning // IEEE Access. 2022. Vol. 10. P. 21095—21108.
8. Kalman R. Е. A new approach to linear filtering and prediction problems // J. of Basic Engineering. 1960. Vol. 82. P. 35—45.
9. Kalman R. E., Bucy R. S. New results in linear filtering and prediction theory // J. of Basic Engineering. 1961. Vol. 83. P. 95—108.
10. Каплин А. Ю., Степанов М. Г., Ярмолич А. Г. Свойства фильтра Калмана в переходном режиме // Изв. вузов. Приборостроение. 2017. Т. 60, № 4. С. 311—317.
11. Фильтр Калмана. Введение [Электронный ресурс]:
12. Фисенко В. Т., Вилесов Л. Д., Можейко В. И., Фисенко Т. Ю. Обнаружение маневра объекта и прогнозирование его траектории в телевизионной следящей системе // Изв. вузов. Приборостроение. 2009. Т. 52, № 8. С.12—19.
13. Evensen G. The Ensemble Kalman Filter: theoretical formulation and practical implementation // Ocean Dynamics. 2003. Vol. 53. P. 343—367.
14. Katzfuss M., Stroudb J. R., Wiklec C. K. Understanding the Ensemble Kalman Filter // The American Statistician. 2016. Vol. 70, N 4. P. 350—357.
15. Mandel J., Cobb L., Beezley J. D. On the Convergence of the Ensemble Kalman Filter //Appl. Math. (Prague). 2011. Vol. 56(6). P. 533—541.
16. Климова Е. Г. Стохастический ансамблевый фильтр Калмана с трансформацией ансамбля возмущений // Сиб. журн. вычисл. математики / РАН. 2019. Т. 22, № 1. С. 27—40.