基于BAS改进粒子滤波的红外成像测距一体化引信信息融合方法与系统

基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法与系统
技术领域
1.本发明涉及防空导弹起爆精度控制技术领域，特别涉及一种基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法与系统。


背景技术：

2.在现代战争中，国家越来越重视空中安全，防空导弹的技术也正在快速发展。由于防空导弹只使用导引头测量的编队探测进行起爆控制，已经无法应对现代战争中空中威胁目标逐渐高速化、小型化和空中战场背景复杂的情况。
3.由于红外成像探测器不仅可以在夜间工作，而且可以有效地识别目标的形状特征，这对精确的起爆控制起着至关重要的作用，因此红外成像技术在防空导弹中得到了广泛的应用。然而，红外成像探测器只能获得高精度的角度和角速度信息，缺少目标的距离信息，并且无法确定目标在空间中的位置，使用红外成像技术的防空导弹需要配备高精度的激光测距仪，并与红外成像探测装置同轴旋转。
4.在起爆控制的研究中，更多的是使用从信息处理中心获得的数据，而较少研究如何实现多传感器测量数据的融合。文献wen y f,liu b.unscented kalman filter applied to burst delay technology[j].journal of detection&control,2009.分析了集成引信的硬件，实现了信息同步，并使用ukf算法实现了同步信息的融合，但这种方法对导弹系统的硬件要求较高，具有特殊性。同时发现，红外成像测距一体化引信具有以下特点：不同的启动时间、不同的采样频率，并且采样频率不一定是多重的，为了解决这个问题，文献hua w x,liang j z,fei c,et al.active-passive joint tracking algorithm with infrared sensors and laser[j].infrared and laser engineering,2001.采用了一种基于最小二乘法的传感器数据融合时间对准方法，并使用ekf对对准的数据进行滤波，由于粒子滤波算法不受系统函数的非线性和非高斯噪声的影响，它被广泛应用于人工智能、计算机视觉、智能机器人、起爆控制和目标跟踪，但ekf方法需要处理大量数据并消耗大量内存，导致算法的时间复杂性增加，而且传统的粒子滤波算法容易失去样本的有效性和多样性，会导致样本稀释问题的出现。


技术实现要素：

[0005]
针对上述已有技术中存在的问题，本发明旨在提出一种基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法与系统，以解决上述背景技术中存在的问题。
[0006]
本发明针对导弹侧引信探测距离短、爆点后容易出现的现象，以导弹与目标交会过程中从目标跟踪到局部目标特征点跟踪的转换，建立导弹目标交会模型，采用红外成像探测器与激光测距仪相结合的一体化引信实现前向探测，使探测距离相比侧向探测更长，为引信提供了充足的时间，通过红外成像探测器和激光测距仪获得检测数据后，采用线性插值方法实现两个传感器的数据对齐预处理，然后本发明使用计算量较小的单搜索算法，
即天牛须搜索算法(beetle antennae search algorithm，bas)对粒子进行优化，大大减少粒子滤波器中使用的粒子数，降低算法的时间复杂度，通过基于bas改进的粒子滤波算法对数据进行滤波，提高起爆延迟时间的准确性。
[0007]
为了通过上述技术思路实现上述技术目的，本发明采取如下技术方案：
[0008]
根据本发明公开的一方面，提供了一种基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，包括以下步骤：
[0009]
s1：在o-xyz弹体坐标系中建立导弹与目标的弹目交会模型；
[0010]
s2：通过红外成像探测器测量导弹与目标的角度信息，通过激光测距仪测量导弹与目标的距离信息；
[0011]
s3：通过信息融合中心对角度信息与距离信息进行一体化信息融合处理，获得导弹与目标的相对速度与相对距离，以此建立起爆延迟时间模型；
[0012]
s4：利用基于bas改进的粒子滤波算法对信息融合处理后的数据进行过滤，使其向高适应度的位置移动，对起爆延迟时间进行实时估计，获得高精度的起爆控制参数。
[0013]
进一步地，上述s1中建立弹目交会模型的具体过程如下：
[0014]
第一阶段：目标跟踪
[0015]
导弹m处于原点、速度vm与ox方向一致，目标t以速度v
t
、与导弹m夹角为θ向导弹m攻击，两者在弹体坐标系中做均匀的直线运动，在此阶段，获得红外成像探测器测得的目标从初始探测位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_1
；
[0016]
第二阶段：由目标跟踪转向目标的局部特征点跟踪
[0017]
目标的局部特征点为g，速度为v
t
，导弹和目标的相对速度为vr，点g在o-yz平面上的投影点表示为g，og与oz轴之间的夹角为探测角β，og与ox之间的夹角为方位角γ，导弹与目标的相对运动轨迹与平面o-yz的交点表示为p，由此建立弹目交会模型。
[0018]
进一步地，以相对速度vr移动到点p的目标的局部特征点g的起爆延迟时间t
go_1
的计算表达式如下：
[0019][0020][0021]
其中，q是为简化公式(1)引入的参数，分别表示为q和β的的一阶导数。
[0022]
进一步地，其特征在于，在上述步骤s3中，信息融合处理的过程如下：
[0023]
采用线性插值法对红外成像探测器测量的角度信息和激光测距仪测量的距离信息进行时间对齐预处理，包括以下步骤：
[0024]
(i)启动时间的时间对齐：根据激光测距仪预设的启动时间信号，红外成像探测器开始新的周期性测量，实现启动时间的校准；
[0025]
(ii)采样周期不成比例的红外成像探测器与激光测距仪测量数据的时间对齐：
[0026]
①
对高采样频率传感器的测量数据进行处理，得到测量数据的运动曲线；
[0027]
②
通过线性插值获得参考周期中的测量数据的运动曲线。
[0028]
进一步地，通过信息融合处理，得到导弹与目标的相对速度和相对距离如下：
[0029]
导弹与目标相对距离的表达式为：
[0030][0031]
导弹与目标相对速度的表达式为：
[0032][0033]
其中，t是激光测距仪的采样周期，i＝1,2，
…
，n，n是激光测距仪在导引头失控前一刻获得的采样点数量，r
xi
,r
yi
,r
zi
和v
rxi
,v
ryi
,v
rzi
是导弹与目标在点i处的弹体坐标系三坐标轴上的相对距离和速度的分量；
[0034]
由此获得导引头失控前一时刻，红外成像探测器与激光测距仪工作时测量得到的目标从导引头失控的位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_2
的表达式为：
[0035][0036]
得到起爆延迟时间模型的表达式为：
[0037][0038]
其中，τ为起爆延迟时间，ρ为脱靶量，v0是战斗部破片的飞散速度，δτ为根据交会信息调整的起爆延迟时间误差。
[0039]
进一步地，上述步骤s4中基于bas改进了粒子滤波算法中的采样过程，包括如下步骤：
[0040]
(i)建立第i个粒子的适应度函数
[0041]
假设是第i个粒子在时间t的质心位置，对应于该位置的适应度函数为定义为：
[0042][0043]
其中，z
t
是最新的观测数据，r是测量噪声方差，是采样粒子的预测值；
[0044]
(ii)优化粒子分布，将样本粒子向高适应度的位置移动；
[0045]
(iii)当样本粒子的最佳值达到预设阈值时，优化停止；
[0046]
进一步地，基于bas改进的粒子滤波算法的步骤如下：
[0047]
(i)参数初始化：从状态先验分布p(x0)中选择采样点{xi,i＝1,2,
…
,n}，其中状态概率、状态噪声和观测噪声总是不相关的，在所有k,j下，表示为
[0048]
参数初始化结果为：
[0049][0050]
(ii)重要性采样：
[0051]
根据公式(13)，得到粒子和样本粒子的权重最后得到加权粒子群得到初始状态估计值和实际观测值z
t
；
[0052]
(iii)bas搜索
[0053]
①
预测采样粒子的状态；
[0054]
②
初始化天牛须搜索算法的初始值，根据公式(12)计算天牛左须和右须的适应度值，选择适应度高的天牛须方向，并向前移动步长s；
[0055]
③
在搜索范围内，如果天牛的当前位置与最高适应度位置之间的差异达到设置的阈值，则停止搜索；否则，在达到设定的迭代次数后停止搜索；
[0056]
④
对所有n个采样粒子执行此操作，并归一化n个采样粒子的权重
[0057]
(iv)状态更新
[0058]
对采样的粒子重新采样后，输出滤波后的状态估计值判断状态滤波值是否达到设定阈值；如果达到，停止滤波，否则，返回步骤(ii)。
[0059]
根据本发明公开的另一方面，提供了一种基于bas改进粒子滤波的红外成像测距一体化引信信息融合系统，包括：
[0060]
建模系统，用于模型的建立；
[0061]
红外成像探测系统，用于获取导弹与目标的角度信息；
[0062]
激光测距系统，用于获取导弹与目标的距离信息；信息融合系统，用于对红外成像探测系统与激光测距系统的数据进行信息融合。
[0063]
根据本发明公开的另一方面，提供了一种电子设备，包括存储器和处理器，存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如上述任一方面的任一项方法。
[0064]
根据本发明公开的另一方面，提供了一种存储有计算机指令的计算机可读存储介质，计算机指令用于使计算机执行如上述任一方面的任一项方法。
[0065]
本发明通过采用以上技术方案，与现有技术相比，具有如下有益的技术效果：
[0066]
1、本发明从导弹侧引信探测距离短、爆点后容易出现的角度出发，以前向探测为思路建立导弹与目标交会模型的研究对象，通过红外成像探测器与激光测距仪结合获得导弹与目标相对运动过程中的距离信息和角度信息，进一步通过信息融合中心对数据进行时
间对齐预处理，然后基于粒子滤波算法优化预处理的数据样本，并利用bas优化粒子滤波算法中的粒子空间分布状态，使其集中在接近真实状态的位置，从而提高滤波估计精度，获得更加精确的起爆控制参数。
[0067]
2、本发明的方法能够获得更高精度起爆延迟时间和角度信息，从而提高了起爆控制精度和引战配合效率；与现有常用于引爆控制领域的算法相比，本发明基于bas改进的粒子滤波算法提高了起爆延迟时间的准确性为61.82％，提高方位角的准确性为66.28％，提高探测角的准确性为36.15％，算法时间复杂度减小。
附图说明
[0068]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。
[0069]
图1为本发明的一体化引信的前向探测与侧向探测的比较；
[0070]
图2为本发明的弹目交会模型图；
[0071]
图3为本发明的信息融合的流程图；
[0072]
图4为本发明的滤波过程中起爆控制参数的起爆延迟时间误差曲线图；
[0073]
图5为本发明的滤波过程中起爆控制参数的方位角γ误差曲线图；
[0074]
图6为本发明的滤波过程中起爆控制参数的探测角β误差曲线图；
[0075]
图7为本发明基于pf和bas-pf算法下不同粒子数的起爆延迟时间估计精确度；
[0076]
图8为本发明的基于pf和bas-pf算法下不同粒子数的方位角γ估计精确度；
[0077]
图9为本发明的基于pf和bas-pf算法下不同粒子数的方位角β估计精确度。
具体实施方式
[0078]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明具体实施方式中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
[0079]
参照图1-9，本发明提供了一种基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法与系统，包括以下步骤：
[0080]
s1：在o-xyz弹体坐标系中建立导弹与目标的弹目交会模型；
[0081]
本发明在建立弹目交会模型之前，针对导弹侧引信探测距离短、爆点后容易出现的问题，采用一体化引信实现前向探测，与侧向探测相比，前向探测的探测距离更长，可以为引信提供了充足的时间，前向探测与侧向探测的比较如图1所示。
[0082]
第一阶段：目标跟踪，当目标图像的像素数与红外成像探测器的像素数达到设定比例(根据具体的红外成像系统设定比例)时，目标图像将填充红外成像探测器的视野，导引头将转向跟踪目标的局部特征点。
[0083]
导弹m处于原点、速度vm与ox方向一致，目标t以速度v
t
、与导弹m夹角为θ向导弹m攻击，两者在弹体坐标系中做均匀的直线运动，在此阶段，获得红外成像探测器测得的目标从初始探测位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_1
，这个时间用来确定激光测距仪开机时间；
[0084]
第二阶段：由目标跟踪转向目标的局部特征点跟踪
[0085]
如图2所示，目标的局部特征点为g，速度为v
t
，导弹和目标的相对速度为vr，点g在o-yz平面上的投影点表示为g，og与oz轴之间的夹角为探测角β，og与ox之间的夹角为方位角γ，导弹与目标的相对运动轨迹与平面o-yz的交点表示为p，建立如下弹目交会模型；
[0086]
以相对速度vr移动到点p的目标的局部特征点g的起爆延迟时间t
go_1
的计算表达式如下：
[0087][0088][0089]
其中，q是为简化公式(1)引入的参数，分别表示为q和β的一阶导数。
[0090]
s2：通过红外成像测量导弹与目标的角度信息，通过激光测距仪测量导弹与目标的距离信息；
[0091]
红外成像探测器根据获得的起爆延迟时间t
go_1
控制激光测距仪的启动时间，激光测距仪通过在目标跟踪点测量导弹和目标之间的距离信息。
[0092]
s3：通过信息融合中心对角度信息与距离信息进行一体化信息融合处理，获得导弹与目标的相对速度与相对距离，以此建立起爆延迟时间模型；
[0093]
在多个传感器的目标跟踪过程中，本发明通过信息融合中心融合多个传感器信息，利用多个传感器测量信息的丰富性、容错性和互补性，提高数据冗余度，从而提高起爆控制参数的精度；
[0094]
信息融合处理的流程如图3所示，具体过程如下：
[0095]
在传统的多个传感器目标跟踪中，需要对多个传感器获得的数据进行“空间对齐”和“时间对齐”，在本发明中，由于红外成像探测器和激光测距仪这两个传感器的测量坐标系是弹体坐标系，因此不需要对两个传感器的数据进行空间对齐，只需要对数据进行时间对齐预处理；
[0096]
本发明中，采用线性插值法对红外成像探测器测量的角度信息和激光测距仪测量的距离信息进行时间对齐预处理，包括以下步骤：
[0097]
(i)启动时间的时间对齐：根据激光测距仪预设的启动时间信号，红外成像探测器开始新的周期性测量，实现启动时间的校准；
[0098]
(ii)采样周期不成比例的红外成像探测器与激光测距仪测量数据的时间对齐：
[0099]
①
对高采样频率传感器的测量数据进行处理，得到测量数据的运动曲线；
[0100]
②
通过线性插值获得参考周期中的测量数据的运动曲线。
[0101]
进一步地，通过信息融合处理，得到导弹与目标的相对速度和相对距离如下：
[0102]
导弹与目标相对距离的表达式为：
[0103][0104]
导弹与目标相对速度的表达式为：
[0105][0106]
其中，t是激光测距仪的采样周期，i＝1,2，
…
，n，n是激光测距仪在导引头失控前一刻获得的采样点数量，和是导弹与目标在点i处的弹体坐标系三坐标轴上的相对距离和速度的分量。
[0107]
由以上获得导引头失控前一时刻，红外成像探测器与激光测距仪工作时测量得到的目标从导引头失控的位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_2
，用来调整引信起爆延迟时间，起爆延迟时间t
go_2
的表达式为：
[0108][0109]
根据公式(3)-(5)，得到起爆延迟时间模型的表达式为：
[0110][0111]
其中，τ为起爆延迟时间，ρ为脱靶量，v0是战斗部破片的飞散速度，δτ为根据交会信息调整的起爆延迟时间误差。
[0112]
s4：利用基于bas改进的粒子滤波算法对信息融合处理后的数据进行过滤，使其向高适应度的位置移动，对起爆延迟时间进行实时估计，获得高精度的起爆控制参数。
[0113]
考虑到导弹和目标的相对速度在导弹目标交会结束时变化很小，可以假设目标跟踪瞄准点相对于防空导弹以恒定速度直线移动，因此，可以用恒速直线模型来描述弹道末端目标瞄准点与防空导弹的相对运动状态，选择目标的状态向量为状态方程如下：
[0114]
x(k+1)＝φx(k)+γw(k)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0115]
时间对准后，对两个传感器获得的数据进行扩展，以获得系统的观测方程；
[0116]
[0117]
其中，是转移矩阵，是噪声分布矩阵，w(k)是均值为0、协方差为q
wi6*6
的高斯白噪声，v(k)是均值为0、协方差为q
vi3*3
的高斯白噪声，t为参考周期，r(k),γ(k)和β(k)分别为对齐后的距离信息和角度信息。
[0118]
传统的非线性滤波算法在处理非线性系统问题时，将非线性系统转化为线性系统处理或直接处理非线性系统，数据处理过程相对复杂；而粒子滤波(particle filter)基于随机仿真，通过蒙特卡洛原理和贝叶斯滤波结合起来的滤波方法，此方法不受系统函数的非线性和非高斯噪声的影响，可应用到起爆延迟时间的状态实时估计中。
[0119]
但是，传统的粒子滤波算法在滤波过程中容易失去样本的有效性和多样性，导致样本粒子稀释，而增加粒子数将会增加算法的时间复杂性，在高实时性领域(如起爆控制领域)是不可取的，因此，本发明采用计算量小的单搜索算法，即天牛须搜索算法改进了粒子滤波算法中的采样过程，使落在先验分布区域的采样点逐渐转移到最大似然区域，得到了基于天牛须搜索算法改进的粒子滤波算法。
[0120]
天牛须搜索算法(bas)于2017年提出，是一种智能群体优化算法，灵感来源于自然界中的天牛(甲虫)觅食；该算法的原理为：当自然界中的天牛在寻找食物时，需要使用其左右两侧检测到的食物气味的强度来确定下一个继续寻找食物的方向，并根据气味的强度继续前进，直到它找到整个环境中气味最强的点。
[0121]
假设是第i个粒子在时间t的质心位置，对应于该位置的适应度函数为其最大值对应于气味源的位置；根据上述原理，天牛须搜索模型表示如下：
[0122]
(i)定义天牛自身胡须的方向：
[0123][0124]
其中，rand(
·
)是一个随机函数，k表示空间维度。然后得到天牛须的坐标。
[0125][0126]
其中，表示天牛右须的坐标，表示天牛左须的坐标，天牛左须和右须之间的距离为d
rl
。
[0127]
(ii)天牛的搜索行为可以表示为：
[0128][0129]
其中，δ
t
表示步长因子，初始值与搜索区域相同，sign(
·
)表示符号函数。
[0130]
bas算法的步骤如下：
[0131]
(1)初始化步长因子、迭代终止条件、初始位置信息、迭代次数等；
[0132]
(2)根据公式计算天牛左须和右须的位置；
[0133]
(3)计算天牛在当前位置的适应度函数值并将其存储，根据公式更新步长并更新天牛的位置；
[0134]
(4)判断是否已达到设定的迭代终止条件或是否已超过设定的最大迭代次数，如果已达到终止条件，将输出全局最优解；否则，跳到步骤(2)。
[0135]
本发明在基于上述天牛须搜索算法的前提下，根据bas算法优化粒子分布，将粒子滤波中的样本粒子转移到高似然区域，使粒子向具有高适应度的位置移动，当样本粒子的最佳值达到预设阈值时，优化停止；通过上述优化，可以将粒子集中在接近真实状态的位置，从而解决样本粒子颗粒稀释的问题。
[0136]
在基于bas改进的粒子滤波算法中，天牛在其位置的适应度函数定义为：
[0137][0138]
其中，z
t
是最新的观测数据，r是测量噪声方差，是采样粒子的预测值；根据每个样本粒子的位置和公式(12)获得n个粒子的适应度函数值
[0139]
基于bas改进的粒子滤波算法的具体步骤如下：
[0140]
(1)参数初始化：从状态先验分布p(x0)中选择采样点{xi,i＝1,2,
…
,n}，其中状态概率、状态噪声和观测噪声总是不相关的，在所有k,j下，表示为e[w(k)v
t
(j)]＝0；
[0141]
参数初始化结果为：
[0142][0143]
(2)重要性采样：
[0144]
根据公式(13)，得到粒子和样本粒子的权重最后得到加权粒子群得到初始状态估计值和实际观测值z
t
；
[0145]
(3)天牛须搜索
[0146]
①
预测采样粒子的状态；
[0147]
②
初始化天牛须搜索算法的初始值，根据公式(12)计算天牛左须和右须的适应度值，选择适应度高的天牛须方向，并向前移动步长s；
[0148]
③
在搜索范围内，如果天牛的当前位置与最高适应度位置之间的差异达到设置的阈值，则停止搜索；否则，在达到设定的迭代次数后停止搜索；
[0149]
④
对所有n个采样粒子执行此操作，并归一化n个采样粒子的权重
[0150]
(4)状态更新
[0151]
对采样的粒子重新采样后，输出滤波后的状态估计值判断状态滤波值是否达到设定阈值；如果达到，停止滤波，否则，返回步骤(2)。
[0152]
针对本发明提出的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，在matlab仿真环境中，选择在典型的仿真条件下，将本发明的方法(bas-pf)与粒子滤波算法(pf)和常用于起爆控制算法的ekf算法的三种滤波算法的滤波效果进行比较。
[0153]
仿真条件为：激光测距系统的测距误差为高斯白噪声，平均值为0，标准偏差为1m，红外成像探测系统的测角误差为高斯白色噪声，平均为0，标准差为1rad，状态噪声为1m，仿真步长为100，pf和bas-pf算法中的粒子数为100，弹目相对距离为300m，弹目相对速度为1500m/s。
[0154]
表1.三种滤波算法的对比
[0155][0156]
通过仿真实验，得到三种滤波算法下的起爆控制参数的起爆延迟时间误差曲线、方位误差曲线和探测角误差曲线的实验对比如图4-6所示，实验数据如上表1中所示，显示了三种算法下起爆控制参数的均方根误差(rmse)，可以直观地反映不同算法的滤波精度。
[0157]
从图4-6中可知，这三种算法用于粒子滤波的最终结果均是稳定的，从图4中可以看出，ekf算法和bas-pf算法的误差较小，与pf和bas-pf算法相比，ekf的误差波动较大；
[0158]
在图5和图6中，ekf和pf误差波动较大，而bas-pf波动较小，收敛较快，当模拟步数约为50时，三种算法的误差都有不同程度的变异，但之后算法误差趋于稳定；这是因为反三角函数对角度敏感，当角度趋于
±
90
°
时，会发生突变，导致误差急剧增加，但算法仍然可以很好地估计起爆控制参数；
[0159]
从实验中得出，在粒子数为100的情况下，基于ekf、pf、bas-pf三种算法的仿真时间分别为2.2459s，0.8859s，0.5386s，可见，本发明的改进后的粒子滤波算法(bas-pf)有效地节省了粒子滤波所需的时间；由于减少算法的粒子数能降低算法时间复杂度，本发明进一步以pf和bas-pf两种算法为基础，通过选取不同粒子数模拟仿真时间精确度，如图7-9所示，n50和n100分别表示算法采用的粒子数为50和100，在图6-8中，pf算法的粒子数为100，bas-pf算法的粒子数分别为50和100，可以发现，当增加pf算法的粒子数时，pf算法的精度得到提高，并且，本发明的bas-pf算法在粒子数为50个时，就可以获得pf算法的粒子数100
个时的估计起爆控制参数的精度，由此可说明，本发明的算法有效地降低了算法时间的复杂度。
[0160]
从表1中各参数的rmse值可以发现，改进的bas-pf算法可以获得更高的起爆控制时间和角度精度。
[0161]
本发明通过对一体化引信信息融合方法中几种常见的非线性滤波算法的比较和分析，提出了一种基于bas改进的粒子滤波算法获得更高精度起爆延迟时间和角度信息的一体化引信信息融合方法，从而提高了起爆控制精度和获得更高精度的引战配合效率。与现有算法相比，该方法提高了起爆延迟时间的准确性为61.82％，方位角的准确性为66.28％，探测角的准确性为36.15％，所花费的时间减少了1.7073s。
[0162]
因此，本发明所提出的基于bas改进粒子滤波算法可以在更短的时间内获得更精确的起爆控制参数，验证了所提出的方法的可行性和可靠性。
[0163]
以上仅为本发明申请的优选实施方式，但本发明的保护范围并不局限于此，对于本领域的普通技术人员来说，本技术的技术方案及构思可以有多种同等替换和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应涵盖在本发明的保护范围之内。

技术特征：
1.基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，包括以下步骤：s1：在o-xyz弹体坐标系中建立导弹与目标的弹目交会模型；s2：通过红外成像探测器测量导弹与目标的角度信息，通过激光测距仪测量导弹与目标的距离信息；s3：通过信息融合中心对角度信息与距离信息进行一体化信息融合处理，获得导弹与目标的相对速度与相对距离，以此建立起爆延迟时间模型；s4：利用基于bas改进的粒子滤波算法对信息融合处理后的数据进行过滤，使其向高适应度的位置移动，对起爆延迟时间进行实时估计，获得高精度的起爆控制参数。2.根据权利要求1所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，上述步骤s1中建立弹目交会模型的具体过程如下：第一阶段：目标跟踪导弹m处于原点、速度v
m
与ox方向一致，目标t以速度v
t
、与导弹m夹角为θ向导弹m攻击，两者在弹体坐标系中做均匀的直线运动，在此阶段，获得红外成像探测器测得的目标从初始探测位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_1
；第二阶段：由目标跟踪转向目标的局部特征点跟踪目标的局部特征点为g，速度为v
t
，导弹和目标的相对速度为v
r
，点g在o-yz平面上的投影点表示为g，og与oz轴之间的夹角为探测角β，og与ox之间的夹角为方位角γ，导弹与目标的相对运动轨迹与平面o-yz的交点表示为p，由此建立弹目交会模型。3.根据权利要求2所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，以相对速度v
r
移动到点p的目标的局部特征点g的起爆延迟时间t
go_1
的计算表达式如下：算表达式如下：其中，q是为简化公式(1)引入的参数，分别表示为q和β的一阶导数。4.根据权利要求1所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，在上述步骤s3中，信息融合处理的过程如下：采用线性插值法对红外成像探测器测量的角度信息和激光测距仪测量的距离信息进行时间对齐预处理，包括以下步骤：(i)启动时间的时间对齐：根据激光测距仪预设的启动时间信号，红外成像探测器开始新的周期性测量，实现启动时间的校准；(ii)采样周期不成比例的红外成像探测器与激光测距仪测量数据的时间对齐：
①
对高采样频率传感器的测量数据进行处理，得到测量数据的运动曲线；
②
通过线性插值获得参考周期中的测量数据的运动曲线。
5.根据权利要求4所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，通过信息融合处理，得到导弹与目标的相对速度和相对距离如下：导弹与目标相对距离的表达式为：导弹与目标相对速度的表达式为：其中，t是激光测距仪的采样周期，i＝1,2，
…
，n，n是激光测距仪在导引头失控前一刻获得的采样点数量，r
xi
,r
yi
,r
zi
和v
rxi
,v
ryi
,v
rzi
是导弹与目标在点i处的弹体坐标系三坐标轴上的相对距离和速度的分量；由此获得导引头失控前一时刻，红外成像探测器与激光测距仪工作时测量得到的目标从导引头失控的位置到弹体坐标系坐标平面yoz的起爆延迟时间t
go_2
的表达式为：得到起爆延迟时间模型的表达式为：其中，τ为起爆延迟时间，ρ为脱靶量，v0是战斗部破片的飞散速度，δτ为根据交会信息调整的起爆延迟时间误差。6.根据权利要求1所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，上述步骤s4中基于bas改进了粒子滤波算法中的采样过程，包括如下步骤：(i)建立第i个粒子的适应度函数假设是第i个粒子在时间t的质心位置，对应于该位置的适应度函数为定义为：其中，z
t
是最新的观测数据，r是测量噪声方差，是采样粒子的预测值；
(ii)优化粒子分布，将样本粒子向高适应度的位置移动；(iii)当样本粒子的最佳值达到预设阈值时，优化停止。7.根据权利要求6所述的基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法，其特征在于，基于bas改进的粒子滤波算法的步骤如下：(i)参数初始化：从状态先验分布p(x0)中选择采样点{x
i
,i＝1,2,
…
,n}，其中状态概率、状态噪声和观测噪声总是不相关的，在所有k,j下，表示为e[w(k)v
t
(j)]＝0，参数初始化结果为：(ii)重要性采样：根据公式(13)，得到粒子和样本粒子的权重最后得到加权粒子群得到初始状态估计值和实际观测值z
t
；(iii)bas搜索
①
预测采样粒子的状态；
②
初始化天牛须搜索算法的初始值，根据公式(12)计算天牛左须和右须的适应度值，选择适应度高的天牛须方向，并向前移动步长s；
③
在搜索范围内，如果天牛的当前位置与最高适应度位置之间的差异达到设置的阈值，则停止搜索；否则，在达到设定的迭代次数后停止搜索；
④
对所有n个采样粒子执行此操作，并归一化n个采样粒子的权重(iv)状态更新对采样的粒子重新采样后，输出滤波后的状态估计值判断状态滤波值是否达到设定阈值；如果达到，停止滤波，否则，返回步骤(ii)。8.基于bas改进粒子滤波的红外成像测距一体化引信信息融合系统，其特征在于，包括：建模系统，用于模型的建立；红外成像探测系统，用于获取导弹与目标的角度信息；激光测距系统，用于获取导弹与目标的距离信息；信息融合系统，用于对红外成像探测系统与激光测距系统的数据进行信息融合。9.一种电子设备，包括存储器和处理器，其特征在于，存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如权利要求1-7中任一项基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法的步骤。10.一种存储有计算机指令的计算机可读存储介质，其特征在于，计算机指令用于使计算机执行如权利要求1-7中任一项基于bas改进粒子滤波的红外成像测距一体化引信信息融合方法的步骤。

技术总结
本发明提出基于BAS改进粒子滤波的红外成像测距一体化引信信息融合方法与系统，属于防空导弹起爆精度控制技术领域。针对目前现有技术中存在的非线性滤波算法处理过程复杂及传统的粒子滤波算法估计起爆控制参数精度低的问题，本发明利于前向探测的弹目交会模型，通过红外成像探测器与激光测距仪相结合获得弹目交会过程中的角度信息和距离信息，经信息融合中心融合处理，再通过BAS对粒子滤波算法进行优化，大大减少粒子滤波器中使用的粒子数，降低算法时间复杂度，本发明的方法通过基于BAS改进的粒子滤波算法对数据样本粒子进行滤波，可以获得精确的初始控制所需的起爆延迟时间信息和角度信息，可以在更短的时间内获得更精确的起爆控制参数。精确的起爆控制参数。精确的起爆控制参数。


技术研发人员：李宁 黄树彩 韦道知 赵岩 吴建峰 薛锡瑞 李琦 罗瑞宁
受保护的技术使用者：中国人民解放军空军工程大学
技术研发日：2023.06.06
技术公布日：2023/9/23