研究了一种用于估计制导弹药与目标之间的视线角速率算法的推导与实现。低成本的捷联导引头的测量信息中包含了弹目在相对运动中形成的视线角和弹体姿态两部分信息, 首先设计解耦算法将弹体姿态信息去除, 然后采用扩展卡尔曼滤波(EKF)以及α-β滤波这两种算法分别对视线角和视线角速率进行估计, 最终的仿真结果表明采用EKF算法能比α-β滤波算法得到更加精确的估计值。

针对目标跟踪处理系统中的视线角速率提取问题, 提出一种利用单成像探测器所得序列图像求导视线角速率的方法。利用序列图像中的运动目标图像坐标解算得到体视线角, 通过图像匹配得到弹体姿态角, 进而求解得到视线角速率。实验结果表明: 结合图像跟踪算法可实时得到体视线角, 使用图像匹配可以较好地解算得到弹体姿态角, 解算结果误差小于±5%; 在体视线角和弹体姿态角均包含噪声的前提下, 使用卡尔曼滤波可以较好地还原视线角速率。该方法适用于微小型飞行器制导探测, 可以省去陀螺仪等惯性元件, 实现探测装置的轻量化、小型化, 具有实际的应用价值。

捷联导引头相对于框架式导引头而言，拥有许多优势。捷联导引头技术越来越受到各国军方的重视。捷联导引头无法直接测量弹目视线角速率，实现捷联导引头的工程运用首先需要解决弹目视线角速率的提取问题。弹目视线角速率提取的方法主要有两类，第一类是利用微分网络对弹目视线角进行微分来获取弹目视线角速率，第二类是利用卡尔曼滤波器对弹目视线角进行估计。建立了基于这两类方法的模型，并进行了仿真，仿真结果表明：第二类方法比第一类更具有优势。由卡尔曼滤波器估计出的惯性系弹目视线角速率比运用微分网络得到的惯性弹目视线角速率具有更小的延迟; 在相同的量测噪声水平下，第二种方案输出的惯性系弹目视线角速率信号噪声水平更低。

从误差测量环节入手,基于IR/MMW双模结构,采用信息融合处理技术提高其估计跟踪精度,最终达到降低制导误差,提高**性能的目的.仿真结果验证了该方法的有效性.