1. 项目概述
在航天器末端追逃博弈这一典型非合作动态对抗场景中，信息不对称问题一直是制约拦截效能的关键瓶颈。传统研究往往建立在双方完全掌握对方控制参数的理想假设上，而实际作战环境中，逃逸方通过机动策略隐藏真实参数的情况屡见不鲜。这种信息劣势会导致追踪方基于错误参数制定的拦截策略效能大幅降低——实测数据显示，当参数估计误差达20%时，拦截时间可能延长50%以上。
针对这一痛点，我们开发了融合扩展卡尔曼滤波（EKF）与自适应博弈理论的复合策略。该方案的核心创新在于将传统上视为固定参数的逃逸方控制矩阵重新定义为时变状态变量，通过非线性系统建模构建"参数-状态"联合估计框架。在Matlab仿真环境中验证表明，该方法能在200秒内将初始20%的参数估计误差收敛至5%以内，使拦截时间从480秒优化至350秒，最终相对距离控制在2米精度范围内。
2. 理论基础与系统建模
2.1 C-W方程与相对运动动力学
近地轨道航天器的相对运动采用Clohessy-Wiltshire方程描述，其状态空间表示为：
matlab复制A = [zeros(3,3) eye(3);
3*Omega^2 0 0 0 2*Omega 0;
0 0 0 -2*Omega 0 0;
0 0 -Omega^2 0 0 0];
B = [zeros(3,3); eye(3)]; % 控制输入矩阵
其中Omega=0.001 rad/s对应500km轨道高度的角速度。该模型捕捉了轨道力学中的科里奥利效应和离心力耦合作用，是后续微分博弈的基础。
2.2 不完全信息博弈建模
当逃逸方真实控制矩阵B_E未知时，我们将其参数扩展为系统状态：
matlab复制X_hat = [X_relative; vec(B_E_hat)]; % 扩展状态向量
构建7维（6状态+1参数）非线性估计系统。过程噪声协方差设置为：
matlab复制Cov_W = diag([1e-6,1e-6,1e-6,0.25e-6,0.25e-6,0.25e-6,1e10])/2;
这种设计体现了对参数变化慢于状态变量的先验认知。
3. EKF实现与参数估计
3.1 滤波初始化
matlab复制H = [eye(6) zeros(6,1)]; % 观测矩阵
P = eye(7)*1e0; % 初始协方差矩阵
Q = diag([1e-8,1e-8,1e-8,0.25e-8,0.25e-8,0.25e-8])/2; % 观测噪声
初始参数估计误差设置为20%，通过蒙特卡洛仿真验证表明，该配置能保证95%以上的收敛概率。
3.2 实时更新算法
滤波过程包含预测和更新两个阶段：
matlab复制% 预测步骤
X_pred = f(X_hat_prev);
F = computeJacobian(X_hat_prev);
P_pred = F*P_prev*F' + Cov_W;
% 更新步骤
K = P_pred*H'/(H*P_pred*H' + Q);
X_hat = X_pred + K*(Z_meas - H*X_pred);
P = (eye(7) - K*H)*P_pred;
其中Jacobian矩阵的计算需考虑参数与状态的耦合关系，这是保证估计精度的关键。
4. 自适应博弈策略
4.1 策略生成机制
基于实时估计参数B_E_hat求解黎卡提微分方程：
matlab复制sol = ode45(@odefun,[T 0],Q_T); % 逆向求解
P_t = deval(sol,t);
u_star = -inv(R_P)*B_P'*P_t*X_relative; % 最优控制律
该策略保证在ε=0.1的阈值内满足纳什均衡条件，理论证明见原文附录。
4.2 拦截效能对比
通过三种场景的仿真验证：
- 完全信息基准：拦截时间320秒
- 固定错误参数：拦截时间480秒
- EKF自适应策略：拦截时间350秒
实验数据表明，自适应策略能恢复完全信息下85%以上的拦截效能，显著优于固定参数策略。
5. Matlab实现要点
5.1 核心代码结构
matlab复制%% 主循环框架
for t = 1:T
% 1. 真实系统演进
X_true = propagateDynamics(X_true, u, v);
% 2. EKF估计
[X_hat, P] = EKFUpdate(X_hat, P, measurement);
% 3. 策略调整
u = computeControl(X_hat, P_t);
% 4. 性能评估
recordMetrics(t);
end
5.2 关键参数配置
| 参数 | 取值 | 物理意义 |
|---|---|---|
| Omega | 0.001 rad/s | 轨道角速度 |
| R_P | 1e6*eye(3) | 追踪方控制权重 |
| Q_T | [I3 0;0 0] | 终端状态权重 |
| Cov_W(1:6) | 1e-6量级 | 状态过程噪声 |
| Cov_W(7) | 1e10 | 参数过程噪声 |
6. 工程实践启示
-
初值敏感性分析：参数估计的初始误差超过30%时，收敛时间会显著延长。建议配合初期机动进行参数辨识。
-
计算效率优化：黎卡提方程的实时求解可采用预计算+插值法，将单步计算时间从15ms降至2ms。
-
鲁棒性增强：实际应用中建议采用强跟踪滤波器（STF）改进EKF，应对突变机动场景。
注：完整代码实现需考虑航天器动力学约束，如推力饱和限制等非线性因素，这些在基础版本中未体现但实际工程中必须处理。