网络化制导技术研究现状及发展趋势
方洋旺 程昊宇 仝希
方洋旺， 西北工业大学无人系统技术研究院和空军工程大学航空工程学院教授、 博士生导师， 长期从事导航与制导、 武器系统与运用工程专业的教学与科研工作。 研究领域为网络化制导、 最优制导与控制、 信息融合及智能信息处理等。 主持完成973子课题， 863课题， 国家自然科学基金、 出国留学人员归国基金、 国防预研重点基金等项目共计50余项， 出版专著和教材15本， 发表学术论文260余篇， 被SCI和EI检索160余篇。 先后获部级科技进步奖3项。
[SQ0]
摘 要： 网络化制导在协同作战方面显示了其潜力和优势。 网络化制导技术主要包括基于多平台传感器网络信息的导弹制导技术和基于多导弹编队的网络化协同制导技术。 本文重点论述了这两方面技术的发展现状， 分析了单导弹的时空配准方法以及制导权移交策略和制导律切换方法等; 对面向多导弹编队的网络化制导方法进行了描述， 讨论了面向多飞行器网络化协同的时间一致性方法、 空间一致性方法以及编队策略。 分析了基于多飞机平台协同的单导弹以及多导弹编队的半主动制导和主动制导方法中存在的问题。 最后， 对未来网络化制导技术以及人工智能在网络化制导中的应用进行了展望。
关键词：网络化制导;制導律切换;多导弹编队;协同制导;人工智能
中图分类号：TJ765; V249.1 文献标识码：A文章编号： 1673-5048（2018）05-0003-18[SQ0]
0 引言
随着信息技术、 网络技术、 人工智能技术等领域取得了一系列突破， 传统单对单的作战方式已经难以适应当前复杂的战场环境， 战争呈现出体系对抗的特点。 在1997年， 负责研究美国海军作战规划的Jay Johnson将军首先提出了网络中心战（Network Centric Warfare）的思想[1]。网络中心战是指以网络化的作战平台为基础， 以多平台协同作战为主要作战方式[2]，利用战场空间中分布的多平台上的传感器对目标进行探测， 为导弹提供目标的状态信息， 从而实现网络化制导。 网络化制导技术更加强调联合作战， 充分利用了多种战场信息， 并使用了强大的数据链技术，是适应网络中心战发展而产生的一种新的作战方式。 在网络化制导过程中， 多平台上的传感器协同工作， 实现对大机动目标的连续有效跟踪[3]，生成精确的目标指示信息[4]，并通过武器数据链将其传送至导弹上， 以达到提高导弹命中率、 提高作战效能的目的。 目前，美军已经将网络中心战的概念应用于科索沃战争、 阿富汗战争、 伊拉克战争及以后的多项军事行动。 不仅如此， 美军还将其作为未来联合作战的核心， 进行了一系列的军事变革和创新。 习总书记在十九大报告中指出： 加快军事智能化发展，提高基于网络信息体系的联合作战能力、 全域作战能力， 指明了我军未来的发展方向。 网络化作战在显著提高作战效能、 打击能力的同时， 也对探测、 制导和控制等系统提出了更高的要求和挑战。 多平台多传感器信息融合技术、 面向多导弹编队的网络化系统协同制导技术和智能化协同制导技术成为目前研究的重点和难点。
1 基于多平台传感器网络信息的导弹制导技术
基于传感器网络信息的作战想定主要包括两种： 一是基于飞机平台协同的半主动制导技术， 即
采用本机发射、 他机导引的方式对空空导弹进行联合操纵; 二是基于飞机平台协同的网络化主动制导技术， 即空空导弹利用多个飞机平台探测到的
信息， 通过弹载信息融合技术获得目标的状态和信息， 从而对空空导弹实现主动制导。 在第一种作战想定下， 面临的主要问题包括： 如何在进行制导平台的切换或空空导弹制导律的切换时具有较好的性能。 其中， 制导平台的切换包含制导权的移交策略， 制导律的切换包括制导律算法的切换和制导律参数的改变; 在第二种作战想定下， 面临的主要问题有如何利用信息融合算法对来自于多平台的传感器信息进行融合， 得到高精度的目标状态信息并用于导弹的主动制导。
1.1 基于飞机平台协同的半主动制导技术
该制导过程中， 主要面临的问题是制导律的切换。 制导信息的切换是平台中制导交班的核心任务， 其误差对导弹中制导交接班的精度具有直接影响。 在交接班前后， 制导信息的差异可以从两种不同的方面描述[5]： 一种是制导平台之间的传感器属于同一类型， 交接前后所采用的制导律也相同， 但是由于平台系统误差的存在， 可能导致目标信息的突变[6]; 另一种是平台之间传感器分属两种或两种以上不同的类型， 交接班前后目标的信息特性不同， 所采用的制导律也不同， 制导交接还包括了制导律的切换[7]。
近年来， 在多平台制导交接的研究中， 国内外学者取得了诸多进展。 四川大学的何应圳[8]提出， 在制导权移交时， 应注意按照一定的参数筛选接班平台。 例如优先控制权值超过其他平台， 且当前对飞行器的制导总数未达到最大限度的平台就是理想的交接班选择， 在计算平台关于导弹的优先控制权参数时， 平台关于导弹以及平台关于目标的优先权参数的影响均不应忽略。 西北工业大学的周德云等[9]通过多无人机平台对空空导弹进行制导， 在中制导权移交的过程中， 根据超视距协同作战的特点， 在建立双方综合制导优势模型的基础上， 设计制导权移交方法， 并且根据粒子群算法对移交策略进行优化， 有效提高了系统的生存概率和抗干扰水平。 雷宇曜等[10]根据不同的协同制导交接班模型， 提出了地空作战系统在地空导弹的协同制导交接过程中所需的坐标转换模型、 误差模型以及雷达截获概率模型的建立方法， 并且根据蒙特卡罗随机仿真， 确定了不同误差对交接班成功概率的影响模型。 田宏亮等[11]基于多模制导技术， 针对红外成像导引头设计了制导律， 根据导引头成像特点的不同设计不同的制导律。 海军航空大学的刘振等[12]设计了一种协同制导交接方案， 将交班平台的选择概率由交接制导优势、 空战效能优势和导引头截获目标概率的乘积表示出来。 同时， 以敌方毁伤的最大化以及我方损失的最小化为目标， 提出了协同制导下的空战决策模型， 并借助进化算法的理论， 提出一种分布估计免疫算法来改善求解模型的收敛速度与收敛精度， 有效提高了整体作战效能。 文献[13]针对舰空导弹在超视距拦截作战情况下的制导交接问题， 根据典型的作战想定， 提出了可切换的制导律， 由此提高了制导交接的可靠性， 具有较好的工程应用价值。 空军工程大学的肖冰松等人[14]则研究了己方飞机火控雷达对目标探测概率的角度， 并借助PD探测盲区建立起一种新的制导优势模型。 这种方法适用于不同战场态势下的制导， 但对敌方干扰问题考虑不足。 余名哲等[15]考虑多平台接替制导过程中的误差影响， 通过引进平滑因子， 设计了平滑交接制导律， 改善系统的抗干扰能力和动态特性。 黄宇达等[16]根据空空导弹交接班的特点， 设计了能够保证平滑过渡的中制导律， 借助仿真计算， 验证了该中制导律的可行性。 文献[17]则研究了在不同制导律切换过程系统的主要影响因素， 分析了空空导弹交接段导引头的目标指向偏差问题， 为工程研究提供了有效的指导。刁兴华等[5]面对相同类型飞机平台进行导弹制导权移交的过程中相对突出的信息过渡不平稳问题， 借助假想目标保证信息平滑过渡， 同时使假想目标逐渐逼近真实目标， 并且提供了三种不同的中制导权移交算法， 在目标机动/不机动两种情况下， 对比了每种移交算法对空空导弹过载产生的作用。 最后， 通过仿真证明了所提方法能够有效抑制过载突变， 保证中制导任务避免出现较大的干扰。
1.2 基于飞机平台协同的网络化主动制导技术
在网络化制导中， 目标状态信息不再由单一的机载传感器或弹载传感器获得， 而是由战场中分布于陆、 海、 空、 天等多种平台上的传感器提供。 多平台多传感器信息融合技术是网络制导的关键技术之一， 如何综合、 有效地利用来自多平台的多传感器探测信息， 对目标当前运动状态进行连续、 有效、 高精度的估计， 是网络化制导面临的关键问题之一。
自数据融合的概念提出以来， 各国官方与学术机构在信息融合领域进行了广泛而深入的探索， 并取得了一系列重要的研究成果。 1988年， 美国国防部将信息融合技术视作20世纪最后十年需要突破的关键技术之一， 并将信息融合技术应用于目标跟踪、 敌我识别、 目标威胁评估等武器装备研究中， 并且在近年的局部战争中取得了巨大的成功。 美国康乃狄克大学的YaakovBar Shalom教授在密集回波环境下的数据关联、 真假目标判定等领域进行了大量的研究， 提出了概率数据关联以及联合概率数据关联算法。 国内关于信息融合技术的研究也取得了诸多进展。 韩崇召教授和李晓榕教授在传感器的误差传递和补偿方面进行了一系列研究， 并且取得了诸多成果; 何友院士则在雷达传感器的信息融合方面取得了大量成果。
1.2.1 时间配准算法
在面向空空导弹的网络化制导技术中， 导弹会接收到来自多传感器平台的目标探测信息。 但是由于各传感器平台之间相互独立， 平台的采样周期和采样率也不尽相同， 此外， 由于通信链路往往具有不同的通信協议和拓扑结构， 也会存在着不同的时延[18]， 这些因素都会导致各传感器平台将探测数据传输至导弹的时间不同， 即各个平台和传感器的数据具有不同的时间特性。 因此需要在弹载计算机上采用时间配准算法， 将这些数据统一到同一时间基准上。 目前实际工程中常用的时间配准算法包括内插外推法、 最小二乘法、 曲线拟合法以及异步状态估计法等。 最小二乘时间配准算法是目前精度较高、 工程应用最广泛的时间配准算法， 但也具有一定的局限性。 最小二乘时间配准算法假定两个传感器的采样频率为倍数关系， 且假设目标为匀速运动。 曲线拟合算法[19]则是根据一段时间内的传感器探测数据， 采用最小二乘准则， 拟合出一条以时间作为变量的多项式曲线， 并由此得到在此时间段内任意时刻的目标探测信息， 从而可以实现任意时间配准频率条件下的时间配准， 但随时间的增加， 其计算量显著增大。 西北工业大学的高颖等[20]设计了一种时间配准算法， 该算法面对的是交互多模型， 并针对其中每个模型均采取了扩展卡尔曼滤波。 这种方法使时间配准更加精确， 解决了复杂机动目标的时间配准问题。 此外， 李捷[21]提出了一种通用的时间配准数学模型， 观察并研究了时间配准误差， 建立了误差的传递模型， 在匀加速、 变加速等运动中通过滤波的方法实现时间配准， 而在复杂的非规律运动中用显式函数表达式表征轨迹模型， 分析出时间配准误差。 这种方法能够给出误差估计， 同时能够高效地完成异构多源信息的时间配准。
1.2.2 空间配准算法
空间配准是指利用多平台传感器信息对空间中合作目标或者同一非合作目标的探测信息， 对传感器的系统偏差进行估计和在线补偿， 从而达到提高数据融合算法精度的目的[22]。 常见的空间配准算法可以分为合作目标的空间配准算法和非合作目标的空间配准算法[23]。 合作目标的空间配准算法一般用于民用领域的交通控制; 非合作目标的空间配准算法则可以分为离线空间配准算法和在线空间配准算法两类。
其中， 离线空间配准算法主要包括实时质量控制法、 最小二乘法、 广义最小二乘法、 最大似然法和精确极大似然估计等， 离线计算往往无法满足空空导弹网络化制导对于实时性的要求。 而在线空间配准算法目前借助的往往是联合状态向量或地心地固坐标系。 基于联合状态向量的空间配准算法将目标的状态向量与传感器的量测误差向量组合成一个扩展状态向量， 通过设计滤波器， 对目标的运动参数和传感器的测量误差同时估算。 李捷将平台内采样不同的坐标系内各传感器的量测转换成同一个极坐标系中的数据， 实现了空间方位偏差的配准[21]。 Friedland等人[24]在探测误差不变或者缓变的情况下， 将目标的状态与传感器的探测误差进行解耦， 分开进行估计， 从而实现了空间配准。 潘江怀等[25]针对空间配准系统观测度较低时由于剧烈变化的随机噪声导致的位置偏差估计量的巨大波动， 利用最小二乘法， 提出了一种新的奇异值修正算法， 在误差实时估计方面取得了突破式进展。 方峰等人[26]采用了两阶扩展卡尔曼滤波器， 借助交互多模型算法和两阶段扩展卡尔曼滤波算法进行目标跟踪与空间配准， 减小了计算复杂程度， 并提高了计算效率。 谢宇婷等人[27]对传感器测量误差和姿态误差建立模型， 使用一种改进的基于地心固连坐标系的卡尔曼滤波， 在一个公共的坐标系下构造出关于状态的线性伪量测值， 通过卡尔曼滤波估计出各偏差量的大小。 基于此偏差量的误差补偿能极大提高目标跟踪精度。
1.2.3 数据融合算法
由于空空导弹会接收不同探测平台的数据， 因此需要采用数据融合算法对这些数据进行处理。 数据融合算法可分为集中式融合算法和分布式融合算法。 集中式融合算法是指通过状态估计算法对目标的运动状态进行估计; 而分布式融合算法则是采用状态估计算法对目标的局部航迹进行估计。 状态估计算法可分为线性状态和非线性状态两种类型， 下面分别对这两种算法进行介绍。
首先是线性状态估计算法。线性状态估计算法分为离线估计和在线估计两种。 由于离线状态估计算法主要针对事后的分析和处理， 因此无法满足空空导弹网络化制导对于计算实时性的要求。 在离线状态估计算法中， 工程中最常见的是Kalman滤波算法， 广泛应用于目标的识别、 跟踪， 飞行器的导航、 制导与控制。 在线性状态估计算法方面， 隋天举[28]推广了网络信息丢包时的状态估计稳定的条件， 提取出一种在分析状态估计稳定性时通用性较强的工具， 并且在高斯置信传播理论的基础上实现大系统分布式状态估计。
其次是非线性状态估计算法。 非线性滤波問题可以分为概率密度估计和点估计两类。 其中点估计主要估计状态的一阶矩和二阶矩; 概率密度估计则是根据先验信息和量测数据对状态的条件概率密度进行估计。
需要说明的是非线性点估计算法主要分为三类： 第一类是基于函数近似的非线性滤波算法， 如扩展Kalman滤波算法、 基于线性插值函数的卡尔曼滤波算法[29]; 第二类是基于统计特性数值计算的非线性滤波算法， 如UKF、 GHF和容积卡尔曼滤波算法[30]; 第三类是基于统计模型的非线性滤波算法， 此类方法采用统计线性化的方法对非线性函数进行近似， 随后借助卡尔曼滤波算法进行推算[31]。
非线性状态密度估计算法的估计过程分为状态预测与状态更新两个步骤， 其中状态预测步骤主要依据Chapman-Kolmogorov方程， 状态更新步骤主要依据贝叶斯公式。 针对非线性模型和非高斯模型可能的粒子退化问题， 郭承军[32]又在容积卡尔曼滤波的基础上用高斯混合模型来近似高斯与非高斯后验概率密度函数。
1.2.4 网络化信息处理方法
在网络化制导过程中， 时常会面临不同载机平台上不同类型的传感器需要进行制导信息的融合。 不同类型传感器生成的数据信息往往构成不同的数据模型， 存在着模型不精确和外部扰动的问题[33]。 此时， 采用多模型切换和自适应控制的方法可减轻数据融合过程中面临的兼容与稳定的风险。
多模型切换问题适合解决非线性系统和复杂系统控制问题， 在飞行器制导与控制中已得到广泛应用[34]。 面对系统存在未知参数或者参数发生大范围非连续剧变的问题， 首先将被控对象在不同工作状态下的运动特性用某一子模型来表示， 接着针对所有子模型分别设计对应的控制器， 并根据切换策略完成相应控制器的选择和切换[35]。 王宇飞等人[36]通过构造出公共李雅普诺夫函数， 设计出基于多模型切换的模糊自适应鲁棒控制器， 消除一种近空间飞行器的未知干扰。 穆向禹[37]、 段广仁[38]等人已将多模型切换应用到BTT导弹的转弯与跟踪中。 邵雷等人[39]运用多模型切换提高了导弹的瞬态响应性能。
自适应控制对导弹制导模型及扰动的先验信息依赖较少， 可以不断提取模型信息， 使模型越来越准确， 适合参数不确定的系统控制问题。 何金刚等人[40]运用方差自适应算法将主动雷达导引头和红外成像导引头测量信息进行数据融合， 使得系统状态能更好地跟踪真实值。 许建忠等人[41]对无迹卡尔曼滤波（UKF）估计得到的毫米波制导信息与红外制导信息进行自适应加权融合， 提高了制导量测的精度。
自适应控制实质上依旧是基于数学模型的控制， 若系统的结构和参数均不确定， 则数学模型控制方式失效， 此时应考虑借助智能控制的原理。
2 多导弹编队网络化协同制导技术
以上文献的研究主要集中在多飞机平台对单枚导弹的主动制导技术。 对于多飞机平台对多枚导弹的网络化主动制导技术， 例如文献[42]对两个拦截器进行编队协同制导的信息融合研究， 还有很广阔的研究空间。
导弹协同攻击时， 通信网络总会产生传输时延， 编队拓扑结构也很难全程清晰地体现出来。 从而使导弹协同攻击任务的执行质量大打折扣。 这些问题首先在智能体[43-44]、 无人机和卫星[45-46]等方面做了一系列研究。 针对导弹编队， 文献[47]提出了一种能控制攻击时间的制导律。 文献[48]同时考虑到网络通信存在时延、 非定常的网络拓扑结构不明晰以及网络拓扑进行变换时， 将多导弹协同攻击问题用矩阵形式表达出来， 对拓扑结构依赖性较低。 具体方法是， 针对固定网络拓扑结构， 构造出“分歧系统”， 将导弹编队时间一致性的收敛性转化为分歧系统的稳定性。 构造Lyapunov-Krasovskii泛函， 只要保证泛函能按指数速率衰减， 即可以保证“分歧系统”稳定， 同时导弹协同制导能够满足要求; 而推广到动态网络切换拓扑结构时， 先推广了公共Lyapunov函数， 只要公共Lyapunov衰减得到满足， 则“分歧系统”是渐进稳定的， 导弹协同制导也可得到满足。
文献[48]提出了针对固定目标的协同制导。 对于空空导弹， 由于航路时刻都会变化， 则需要飞机平台持续保持导弹的制导权， 研究的系统应同时包括飞机与导弹的数据信息。
网络化技术发展迅速， 通信带宽往往难以提供相应水平的支持， 制导指令的传输丢包概率也在增加[49]。 文献[50]对出现丢包的网络进行制导控制算法的一体化构造， 假设丢包概率可以预先统计出来， 构造出包含网络丢包的制导控制一体化模型， 再借助滑模控制和反演控制的理论， 推演出导弹制导控制一体化的算法。
与传统制导技术相比， 组成编队的各导弹需要相互配合， 策应行动。 编队运动遵循基于各种战术协作目的制导律。 对多导弹网络化协同制导问题， 下面分为四部分进行分析[51]。
2.1 针对多枚导弹攻击空间的协同制导
在很多情况下， 除了末端脱靶量最小化是制导武器的最基本要求外， 还需要导弹以一定的空间姿态对目标完成打击， 从而将导弹战斗部性能充分地发挥出来[52]。 目前， 由最优控制的思想建立起的导引律模型可以根据不同的性能要求获得对应的导引律， 甚至已经应用到美国“潘兴-Ⅱ”地地战术导弹中。 文献[53-54]借助最优控制原理设计了导弹终端角度约束制导律， 并推导出制导律一般表达式， 只要满足一定条件， 任意给定的权函数都可以求出实现落角约束的最优算法[55-56]。
最优导引律的优势是能避免性能指标和终端约束的制约， 在理想环境下， 最优导引律具有最佳的制导性能。 然而， 最优导引律往往是在各种假设和简化的基础上进行设计的， 鲁棒性得不到满足。 与此同时， 自适应控制、 预测控制和模糊控制等一系列非线性控制方法也用来进行具有最终落角约束的导引律设计[57]。 此外， 在比例导引律的基础上增加专门约束角度的偏置项的偏置比例导引律也受到越来越多的关注。 对此， 蔡洪等人在文献[52]中将导弹攻击角度约束作了集中比较。
胡正东等在文献[56]引入了最优控制等理论， 消除了不确定干扰并设计出带有攻击角度约束的三维制导律， 同时引入径向基函数神经网络的自适应调节原理， 改善了能量耗散等问题， 并满足了垂直攻击的需求。 在此期间， 基于角度约束的空间一致性研究得到了长足发展[57-65]。 Kumar S R等人[58]提出了基于滑模控制的制导律计算导弹的横向过载， 在有限时间内实现期望的攻击角度。 Kim T H等人[62]又提出了成形制导律， 不需要剩余时间估计和范围信息， 只需要视线速率信息， 因此具有简单可行的实现结构。 此外， 该制导律提供的视线角小于导弹导引律最大限度， 因此在中末制导交接时避免导引失效。 Lee C H等人[63]提出的拦截角度控制引导（IACG）的方法由比例导引律指令和拦截角度误差的反馈组成， 为拦截空中飞行目标提供了理论基础。
此外， 文献[66]借鉴了最优控制的原理， 在动能拦截器打击目标时， 使脱靶量和攻击角度均满足要求。 Qin T等人[67]推算的一种导引律也能够约束终端攻击角度， 既避免了预测导弹到目标的距离， 也避免了预测剩余飞行时间， 这样就满足了以零脱靶量和期望的攻击时间设为任意值时能够有效击中目标。 此外， 周军等人[68]基于滚转制导与三维圆周制导， 先在三维空间内确定出圆轨迹， 再通过滚转制导使速度方向与期望方向重合， 满足终端角度约束， 并引入变结构控制理论对制导律进行设计。 张良等人[69]通过引入一个非线性观测器估计目标加速度信息， 基于滑模理论设计制导律， 使导弹在三维视线角中在有限时间内能够达到期望的攻击角度。
针对网络化导弹相互协同地执行作战任务， 张春妍等人[70]提出了基于导弹相互协作的偏置比例制导算法。 这种导引律即在比例导引律的基础项上扩展一个偏置项。 首先只需考虑单枚导弹， 建立起偏置比例导引算法， 该算法能控制攻击角度。 接着拓展到呈现出网络化的导弹编队为对象的协同制导时， 根据不同导弹剩余打击时间的离散程度， 灵活地变换各导弹制导律比例导引相关项中的比例系数， 改变导弹弹道曲率， 从而实现各导弹以特定角度到达目标。 此外， 该文献明确将导弹轨迹曲率与比例导引的加速度指令和落角攻击调节的加速度指令联系起来， 使得剩余时间可以较准确地估计出来。 宋俊红等人[71-72]则基于图论的有关内容， 通过速度变化指令来促使所有导弹与目标的相对距离在有限时间内达到一致， 同时运用非齐次干扰观测器对机动目标的过载予以估计， 保证了每枚导弹以期望的视线角击中目标。 此外， 文献[73]构造了具有末段打击角约束的多弹协同制导模型， 在制导第一阶段， 基于自适应算法和积分滑模形成一种在视线方向上的加速度指令， 保证所有导弹都实现机动。 在制导第二阶段， 提出了一种新的自适应非奇异快速终端滑模控制律， 在视线法线方向上的加速度指令， 以确保视线角度在有限时间收敛到期望值， 同时基于Lyapunov理论给出了详细的有限时间稳定性分析。
2.2 针对多枚导弹攻击时间的协同制导
对于多导弹协同制导的攻击时间协同制导律， 大体可分为基于双层导引结构的攻击时间协同制导律[73-74]、 基于偏置比例导引的时间协同制导律[75-77]和基于“领弹-从弹”的时间协同制导律[78-80]。
文献[71]提出将已有的具有导引时间限制的制导律（ImpactTime Control Guidance，ITCG）作为底层导引层， 上层协调层则选择集中式协调策略。 建立以导弹消耗控制能量为代价函数的协调量， 协调层选取消耗的控制能量为最小值对应的时间作为剩余导引时间， 再由导引层按照剩余导引时间确定导弹攻击时间。 文献[75]进一步引入了加权平均一致算法， 将文献[74]求出的协调量进行修正， 得到分布式协调的时间导引律， 且文献[75]不需要網络内所有单元实现全互联。赵世钰等人[73]认为基于协调变量的方法通讯量小， 分布性好， 分为导引层和协调层， 协同制导架构图如图1所示。 基于协调变量的方法首先需要由上层的协调层集中式确定指定攻击时间， 再由底层的制导层利用时间导引律使飞行器向攻击时间趋近。
基于偏置比例导引律的方法是以剩余时间作为协同制导的基本量， 这种制导思想建立在协同控制理论的基础上。 文献[79]并没有明确阐明达成协同制导时究竟需要什么程度的通信网络条件，
而只是借鉴目前经典的的攻击时间控制导引律， 以此确定制导律的相关附加项。
基于领弹-被领弹的时间协同比例导引法选取某一导弹甚至选取假设点作为制导的参考， 各枚从弹也追随该参考进行运动[80]。 文献[81]将目标作为领弹， 导弹均为从弹， 将时间一致性转化为导弹总速度、 弹道倾角和弹道偏角的指令， 在控制器设置中将上述三个指令交由三个子系统实现。 而同步算法给出惯性坐标系的三个速度分量， 借助姿态角， 基于运动学方程推导出速度、 弹道倾角和弹道偏角的指令。 对此， 张友安等在文献[82]中对基于不同攻击时间的协同制导律进行了归纳分析。
此外， 张凯等人[83]和吕腾等人[84]分别基于滑模变结构理论， 设计了攻击角约束在有限时间内收敛的制导律。 利用李雅普诺夫理论对制导律稳定性和制导律有限时间的收敛进行分析， 借助饱和函数抑制抖动影响， 提高了系统的鲁棒性， 使得导弹在保证命中机动性强的目标的同时， 视线角在有限时间内也将尽快收敛到期望范围内。
Su Wenshan等人[85]则针对高机动目标提出了一种新的协同制导策略。 在制导阶段开始时多个导弹分散行动， 首先对通信能力较弱的编队计算出最小的相对机动性优势和最少的可用导弹数量， 使导弹编队能保证覆盖目标机动逃逸的区域， 然后再进行协同制导; 其次将通信能力较强的导弹编队进行协调变量的微调;然后设计相应的闭环协同制导策略， 协同攻击单个导弹不易拦截的高机动目标。
2.3 兼顾多枚导弹攻击角度和攻击时间的协同制导
导弹编队在攻击重要的目标时， 需要面对敌方的防空网络， 为了保证导弹的攻击效果， 往往需要对攻击角度和攻击时间一起考虑， 在这两方面同时满足多导弹的协同制导。
文献[86]提出了一种攻击角度和攻击时间兼顾的三维制导律。 此外， Lee等人借助最优控制原理， 通过加速度微分以及剩余时间误差分别实现攻击角度和攻击时间的有效操控[87]。 张友安等人[88]借助李雅普诺夫稳定性理论设计了目标打击角度的制导律， 接着设计了导弹以匀速或匀变速运动过程中的时间制导律， 在文献[89]中， 他们首先将攻击剩余时间问题转化为非线性距离跟踪控制问题， 再计算出各枚导弹的剩余飞行时间， 以此确定出导弹编队的攻击时间; 其次设计非线性距离跟踪系统; 最后构造出变结构制导的数学模型来更准确地控制攻击角度。 陈志刚等人[90]则采取了一种新途径， 对非线性运动学方程进行线性化处理， 再运用加速度微分的数学工具对攻击角度和攻击时间均进行控制; 若攻击角度较大导致线性化假设无法适用时， 则运用非线性误差反馈原理， 将线性化过程造成的误差进行适当补偿， 并将补偿后的信息反馈到系统的回路中， 以此来保证控制过程的精度。 马国欣等人[91]定义一枚虚拟领弹， 将攻击时间和攻击角度问题等效为从弹对虚拟领弹进行非线性轨迹跟踪的控制问题。 确保众多从弹与领弹维持一定的空间距离， 规划一条由圆弧联结的轨迹并开始操纵各从弹， 使得从弹轨迹按照各自轨迹逐渐向领弹期望的轨迹收敛， 最终对攻击时间和攻击角度进行同时控制。 张友根等[92]则借助双圆弧原理， 改善导弹弹道， 使导弹以预先期望的攻击角度执行攻击任务， 然后根据导弹剩余飞行时间的估计值与预先期望时间的偏差量， 形成导弹的理想飞行轨迹， 并推算出相应的时间， 从而进行补偿机动飞行， 以此实现导弹同时满足特定攻击时间和特定攻击角度进行目标打击的要求;在文献[93]中， 他们对导弹侧向和纵向两个通道的运动过程进行初步解耦， 在侧向运动通道中， 导弹攻击时间问题被等效成非线性距离跟踪问题， 并根据时间计算出期望的导弹与目标的空间距离; 并借助动态逆理论构造出实现距离跟踪的非线性系统; 在纵向运动中则不考虑时间， 只需用李雅普诺夫稳定理论设计控制攻击角度的三维制导律。 Zhao S Y等人[94]借助最优控制理论构建出满足命中时间和命中角度控制要求的制导律。 胡凯明等人[95]对修正比例导引律进行改良， 可以同时控制命中角度和命中时间， 能够使无人机载导弹按照规划的时间垂直攻击目标。Kang S Y等人[96]将线性二次微分法应用到导弹在命中点上的角度和时间的控制。 先采用最优控制实现攻击角度控制， 再将剩余时间误差的估计值作为基础， 形成有效控制攻击时间的附加指令。
Harl N等人[97]则将经典的“导弹-目标”相对运动模型进行转化， 导弹的飞行时间被航向角等效替代。 同时， 将导弹目标连线的角度及其连线的角速度用新形式表现出来。采用二阶滑模制导律， 对该角度和角度变化率予以追踪， 实现导弹以特定的角度和时间完成目标打击的任务。
李新三等人[98]将导弹命中角度与命中时间分成两阶段控制制导策略进行分别控制。 在第一阶段采用切换滑模思想控制纵向通道内的导弹飞行时间， 同时采用比例导引律控制侧向通道内的导弹飞行时间。 在第二阶段采用最优制导律控制攻击角度， 该控制律含有重力补偿的轨迹调节。
此外， 王晓芳等人[99]借助张友安提出的“领弹-从弹”制导架构[100]， 提出了一种以最优控制作为理论基础的状态调节器。 先构造一个逐渐缩小的假想球体， 将目标作为球心， 领弹和球面的距离作为半径， 图2所示为该假想球体。
若从弹始终位于假象球面上的某一随时间变化的假想点， 该点始终保持一条拟定好的直线逼近球心， 则各导弹就能够实现以不同角度约束同时攻击目标。 考虑到导弹需用过载的限制， 最优控制算法使得导弹实际位置距离假想点的位置逐渐收敛为零， 即导弹先以曲线的轨迹逐渐达到假想点， 再按照拟定直线逼近目标， 从而达到精确控制弹着角度和弹着时间的目的。 图3所示为导弹的三维弹道圖。
2.4 针对多导弹攻击队形的协同制导
2.4.1 队形保持问题
鉴于在编队控制领域， 经典PID控制器以及PD控制器难以进行编队队形输出量的计算以及对控制能量取最优值的问题， 文献[101]采用PI最优控制模型， 构造了最优编队队形保持控制器模型， 该模型在相对运动产生的常值扰动、 领弹运动状态产生的输入扰动以及非线性模型线性化时产生的偏差等难题取得了进展。
该文献分析了导弹编队飞行控制系统的结构， 梳理了各个子系统之间的关系， 运用最优控制理论， 构建了针对导弹编队飞行问题的保持控制器模型， 对从弹在相对坐标系下的运动规律形成直接的借鉴， 建立的弹间相对运动模型物理意义更加明晰。 同时， 导弹的相对运动状态以及编队控制耗费的能量都能够保证二次最优的性质， 并有效抑制由领弹速度造成的编队成员之间相对运动的常值扰动。 领弹预先设置的运动状态作为相对运动模型的输入扰动量， 在领弹需要大范围机动飞行时， 导弹编队队形的最优保持控制器的作用是控制并消减这种输入扰动产生的效果。 如果将观察对象变换成导弹编队的飞行包络线， 则导弹编队飞行最优保持控制器就可以最大限度地抑制非线性模型线性化带来的偏差。
此外， 该文献还提出了一类适用于多飞行器编队的新型编队控制协议， 通过应用有限时间运动状态收敛指令， 提出了具有前置跟随结构的MFV系统的有限时间形成框架。 该方法弥合了有限时间协同过程中“领弹-从弹”的状态差距。 使得导弹编队在追踪机动性强的目标时， 依然能保持编队队形的稳定[101]。 针对“领弹-从弹”编队系统中领弹失效后会造成整个编队发生队形混乱的问题， 马培蓓等人[102]基于三维坐标提出了编队改良的方法。 在从弹中选择一枚“候补领弹”， 时刻尾随领弹。 当领弹出现故障时， 候补领弹迅速接替领弹的任务， 其余从弹转而跟随候补领弹继续执行任务。 若领弹和候补领弹均失效， 则系统转为基于传感器的跟随模式， 即以分布式思想为指导。 利用传感器观测到离自身最近的导弹编号和位置推算出自己在编队中的位置， 保持编队的协同制导。 文献[103]则将较大的导弹编队分为领弹、 备用领弹、 中继从弹、 从弹四种类型，如图4所示。
2.4.2 队形变换问题
张亚南在文献[104]将导弹编队问题归纳为编队队形的结构问题、 编队队形的调整问题、 编队的航迹规划问题、 编队间或编队内部的导弹通信问题和编队控制问题。 目前对多导弹打击同一目标的“多对一”模式研究较多， 而针对多导弹打击多目标的“多对多”模式， 则往往在“多对一”模式的制导律基础上进行航迹规划， 必要时需要进行任务分配来达成制导目标。
王芳在文献[103]提出， 部分协同制导律的研究成果还必须预先确定期望的攻击时间和角度， 离真正意义上的协同制导还有较大差距。 第一， 大部分文献对攻击时间和角度的确定以定性分析为主; 第二， 编队飞行的速度一致， 协同制导时机动量最省， 以及导弹自身过载也没有很充分地研究; 第三， 为避免能量浪费， 导弹开始协同的时机还有待专门制定;第四， 导弹编队的制导精度与编队对目标的协同探测关系密切， 过去的协同制导律多数都仅在单枚导弹测量目标信息的基础上完成。 不同的作战任务往往对应着不同的最优编队队形。 但若进行队形重构， 需要消耗部分能量， 尤其是作战任务变换频繁时， 能量消耗会更大。 因此， 文献[103]设计出同时满足协同突防和协同攻击两个任务的次优编队。
邹丽等[105]借助无人机编队的制导控制， 采用的分布式局部通信和多协调变量的分散化协调策略， 对导弹“多对多”编队模式进行了探索， 实现了多导弹编队协同攻击目标， 对攻击多目标的任务和协同突防任务提供了理论基础。
文献[106]则将导弹编队问题按照队形变化从小到大分为队形保持、 队形拆分、 队形重构和队形变换， 并设计了队形变换的控制器。
文献[107]认为， 利用网络分布式拓扑结构和拓扑结构可切换特点实现信息變化和控制约束下的协同攻击会是一个关键问题。 实时运行时， 往往无法长时间保持原有的状态和定长的传输强度。 因此， 需要及时切换和改变耦合的强度， 以保证信息传递畅通。 适当地改变网络拓扑结构和耦合解耦， 能达到信息最优协调， 并优化一致性品质， 以此增强协同拦截和包围的能力。 对此， 有的文献提出借鉴线性系统理论中的可控性和可观性概念， 将对单枚导弹-目标动力学系统的可控性和可观性问题扩展到多枚导弹-目标组成的系统群。 在系统群整体可观和可控条件下， 建立基于网络化观测器和网络化控制的协同攻击方法， 这一思路可以使得仅利用相邻信息的分布式协同控制的适应范围进一步扩大， 不仅只利用相邻信息， 而且不要求单枚导弹-目标动力学系统必须可控和可观， 从而降低通信和控制代价。
2.4.3 队形问题在导弹编队避障中的应用
在多导弹编队控制中， 编队既要保证编队内部的成员间不会产生意外碰撞， 又要避免编队内的成员与外界障碍物产生碰撞[108]。 目前分别基于非奇异终端滑模[109]， 势函数制导[110-111]以及模糊控制[112]等方法为这些问题提供了多种解决途径。
贾翔等人[113]认为， 避障是多编队导弹典型作战中必然要考虑的一个技术问题， 如图5所示。 马广富等人[108]设计了一种人工势函数， 该函数可以描述包括目标跟踪、 构型保持、 碰撞避免与障碍规避在内的任务需求， 接着， 又采用滑模控制方法推算出一种协同控制律， 使得势函数持续下降至其极小值， 从而使编队避免了各类碰撞， 并可维持预定编队队形且追踪动态目标。 此外， 基于自适应控制律构建出的控制器可对执行机构可能发生的故障进行容错控制， 并解决了参数计算和抵抗外界干扰的问题。
导弹在避障过程中， 可能会出现时延、 丢包等问题。 叶鹏鹏等人[114]将制导方法分为两个阶段， 在第一个协同制导阶段， 将丢包过程描述成伯努利分布， 引入时延处理的机制， 借此得到实际通信拓扑随机出现的概率， 并将导弹协调变量线性化， 构造协调变量误差系统。 第二个独立导引阶段， 导弹需要断开通信链路连接， 独立导引， 以此增加导弹的突防能力。
3 智能化网络化制导技术的问题与发展趋势
以上文献对网络化制导中存在的问题进行了大量的研究， 在多传感器信息融合算法研究、 多平台制导交接、 协同制导方案设计等方面取得了诸多进展， 但是， 当前的研究仍然存在着一些不足之处， 主要体现在以下几个方面：
3.1 基于多飞机平台协同的半主动制导
3.1.1 多目标探测能力的平台制导权移交问题
目前机载相控阵雷达都具有多目标探测和跟踪能力， 一架飞机可同时制导多枚导弹， 因此， 在制导多枚导弹的飞机平台急需移交制导权时， 可能需要在多个飞机平台之间完成制导权的移交， 因此， 目前基于单目标探测的平台制导权移交策略难以推广， 主要原因包括： 单平台移交的模型过于简单， 没有考虑多目标探测雷达对不同区域目标探测精度的不同; 在移交策略中没有考虑同一部雷达火控制导系统制导的各枚导弹有可能要同时移交到多个平台的情况; 同时考虑上述模型的制导权优化算法显然要比单目标探测复杂得多， 优化算法的实时性也是一个需要解决的难题。 因此急需研究新的制导权移交策略及方法。 拟解决的思路应首先建立在满足各目标探测雷达火控系统制导的多枚导弹制导权移交模型，然后采用满足实时性要求的智能群体优化算法（如粒子群智能优化算法）等进行求解。
3.1.2 非理想情况下半主动自适应制导技术
虽然现有的基于多飞机平台协同的半主动制导方法研究了不少制导律移交以及制导律的平滑过渡技术， 但都是基于目标信息质量稳定、 可靠以及不同制导律所需要的目标信息基本都能保证的情况下研究的。 如果是复杂的战场环境以及多目标探测造成非理想情况， 则上述方法将难以适应， 需要研究适合复杂战场环境下的自适应半主动制导技术。
由于复杂电磁战场存在各种电磁干扰， 针对各目标探测雷达存在各种电磁干扰， 以及各目标探测雷达针对不同探测区域的探测精度不同， 再加上导弹所采用的不同制导律需要的参数信息差别较大， 如经典比例导引法只需弹目视线角速度信息， 而最优比例导引律则需要包括弹目间的距离、 径向速度、 视线角速度， 以及目标机动加速度信息等。
因此， 如果网络化制导导弹只基于非常理想情况下使用某种特定的制导律， 则在复杂电磁干扰情况下就可能造成很多导弹无法移交的问题。 如采用最优制导律的导弹想移交给不具有测距、 测速能力的某传感器平台， 则无法移交。 因此， 需要研究满足复杂战场环境下的自适应半主动制导技术， 确保导弹在复杂战场环境下能进行网络化制导。 可能的研究思路是首先根据不同制导律所需的信息参数， 构建包括不同信息参数的多个制导律， 然后设计自适应制导律切换算法针对不同的干扰环境所能提供的信息参数多少来自适应地切换到满足上述信息要求的制导律中。
3.1.3 复杂战场环境下半主动智能制导技术
随着人工智能技术的发展， 急需研究通过学习以适应复杂多变战场环境的多飞机平台协同半主动智能制导理论及技术。 当导弹从一个平台切换到另一个平台时， 有可能造成目标信息总体质量变差， 包括精度变差、 信息个数变少、 信号起伏不稳定， 以及切换时造成目标信息突变等， 使得原有的制导律无法使用。 考虑到人工智能技术特别是深度学习技术等的成功应用， 亟待研究出将人工智能技术应用到复杂战场环境下的自适应半主动制导技术中。 可能的研究思路是首先通过数据挖掘的办法获取影响半主动网络化制导的特征向量; 然后构建深度神经网络模型（如LTSM网络等）进行离线学习; 最后， 将离线学习的网络模型作为智能制导律接入制导控制系统进行在线学习和局部修正， 形成网络化、 智能化的智能制导律。
3.2 基于多平台传感器网络协同的网络化主动制导
3.2.1 传感器系统误差快速变化情况下的空间配准方法
当空中目标快速机动或传感器由于干扰等原因造成传感器系统误差快速变化时， 目前的假设系统误差是慢变的， 时空配准算法将无法应用， 急需研究传感器系统误差快速变化情况下的空间配准方法。 拟采用的方法是首先研究传感器系统误差的特点， 构建系统动态误差模型， 然后针对两个以上平台测得同一目标信息构建包含系统的伪量测方程， 最后基于最优估计的方法获取系统误差， 实现误差快变情况下的空间配准。
3.2.2 复杂战场环境下多传感器智能空间配准方法
由于战场环境的复杂性， 通常存在各种对传感器探测和对网络链路的干扰， 造成传感器系统误差的快速变化以及通信链路的时延、 丢包、 阻塞等问题， 传统的基于确定模型的空间配准算法难以解决此类问题， 需要将人工智能的理论和空间配准算法结合， 研究满足复杂战场环境下多传感器智能空间配准方法。 拟采用增量模糊神经网络或学习式模型网络来估计时间机动， 对于时变系统误差可采用神经网络进行建模， 然后再结合一般的空间配准算法， 從而解决目标机动和时变系统误差情况下的空间配准问题。 对于时延、 丢包及阻塞的问题， 首先利用自组织神经网络进行空间配准的特征提取及分类， 然后再采用增量神经模糊网络进行学习， 获得空间配准算法模型， 从而实现复杂战场环境下智能空间配准的目的。
3.2.3 网络拓扑结构可变情况下的分布式信息融合快速方法
空中作战飞机网络的网络拓扑结构以及节点数量都是快速变化的， 再加上通信链路存在时延、 丢包、 阻塞等问题， 现有的分布式信息融合算法要么假设条件过于理想， 要么融合算法过于复杂， 难以满足实时性要求。 因此， 需要研究同时满足上述要求的分布式信息融合快速方法。 拟采用的方法包括使用融合算法的稳态解来代替融合算法的动态求解， 或者通过改变现有方法， 首先找出确保融合解法快速收敛的初始解范围， 然后利用给定范围的初始解进行融合估计， 确保快速收敛性。 此外并行处理方法也是值得考虑的理想途径。
3.2.4 复杂战场环境下分布式智能信息融合算法
与复杂环境下的空间配准方法相同， 目前也急需将人工智能的理论与分布式信息融合算法结合， 研究满足复杂战场环境下分布式智能信息融合方法。 由于在信息融合时， 通常假设各传感器的信息中包含的过程噪声和测量噪声的均值和协方差矩阵是固定不变的， 但实际上是时变的， 特别是当目标机动时， 或时延、 丢包、 阻塞等情况下， 过程噪声协方差就会增大， 难以用解析表达式给出解， 因此需要在线调整。 而滤波器中的新息总是通过观测获得的附加信息。 拟采用模糊逻辑规则或云模型以及其他人工智能方法对新息进行处理获得对过程噪声协方差的在线估计， 然后基于此估计结果自适应地调整信息融合的相关系数， 从而实现复杂干扰环境下分布式智能信息融合的目的。
3.2.5 非理想目标信息情况下网络化主动制导技术
目前网络化主动制导技术研究比较初步， 现有国内外武器装备都尚未使用， 主要原因是弹载多天线接收技术、 弹载信息融合技术、 弹载目标识别和跟踪技术以及网络化主动制导技术都还难以满足实际工程应用的要求。 由于网络拓扑结构及节点个数的变化， 以及通信链路的传输时延、 丢包、 阻塞等等影响， 使得目标信息存在时序颠倒、 误码率增大、 信息起伏以及数据丢失等， 现有的基于单一制导律的理论和技术都难以满足要求， 因此， 研究非理想目标信息情况下网络化主动制导理论和技术十分必要。 研究思路包括采用自适应多模型切换制导律， 或类似于3.1.3节的人工智能方法， 获得网络化智能化运动制导律。
3.3 多导弹编队网络化协同制导
3.3.1 非理想目标信息的多导弹编队攻击时间协同主动制导技术
由于网络拓扑结构及其他问题， 现有的基于理想目标信息的多导弹编队攻击时间制导的理论和技术都难以满足要求， 因此， 急需研究非理想目标信息情况下多导弹编队攻击时间协同主动制导技术。 拟采用的方法是利用多导弹编队的平均剩余时间作为协调变量， 当网络通信链路存在时延、 丢包、 阻塞时， 利用剩余时间的递推公式， 并结合内插外推估计算法估计出平均剩余时间进行协调， 从而实现多导弹编队攻击时间协同主动制导。
3.3.2 非理想目标信息的多导弹编队攻击时间空间协同主动制导技术
为了提高空战效果， 可能需要从不同平台发射多枚导弹， 并希望这些导弹从不同方向同时攻击目标， 但由于复杂的战场环境和快速多变的网络等特点造成导弹获取目标的信息非理想， 现有的基于理想目标信息的多导弹编队攻击时间空间协同主动制导技术难以应用， 同样急需研究非理想目标信息的多导弹编队攻击时间空间协同主动制导技术。 拟采用的方法包括： 首先针对每一枚弹基于攻击角度约束要求计算出带角度约束的制导律; 然后基于相應的制导律估计每枚弹的剩余时间， 在理想网络情况下， 可能会直接估计得各导弹编队的平均剩余时间， 并将其作为协调变量;而在网络通信链路有时延、 丢包、 阻塞时， 需要基于剩余时间递推公式， 并结合内插外推估计算法估计平均剩余时间作为协调变量， 从而获得各导弹编队攻击时间协同主动制导， 但核心问题是如何比较精确地获得平均剩余时间， 以及证明估计误差的收敛性等。 另一种方法是将协同制导问题转化为多智能体一致性问题求解， 但需要解决在更复杂的模型、 更多约束变量情况下多智能体状态一致性是否收敛的问题。
3.3.3 复杂战场环境下多导弹编队协同的智能主动制导技术
人工智能技术是解决模型不准确、 目标信息不理想等问题的主要途径之一， 如何将人工智能理论和方法应用到多导弹编队的制导中， 解决复杂战场环境下多导弹编队协同的智能主动制导问题将是一个研究方向。 拟采用的思路包括： 人工智能在各导弹编队攻击时间、 空间协同主动制导的简单应用是利用神经网络逼近方法来学习多导弹编队的剩余时间， 然后利用此神经元网络模型作为协调变量， 实现多导弹编队智能主动制导。 另一种方法是全面利用人工智能深度学习方法， 通过数据挖掘方法将获取编队网络传输时延、 丢包、 阻塞等对导弹制导影响的特征向量;然后， 通过深度神经网络模型（如LTSM网络等）进行每枚导弹制导律的离线学习， 以及剩余时间作为协调变量的神经元网络的学习;最后将离线学习的网络模型的智能化协同制导律接入制导控制系统进行在线学习和局部修正， 形成多导弹编队协同的智能主动制导。 但此方法的难点可能包括深度神经网络的构造和训练、 网络学习的收敛性证明等。
4 结论
网络化制导技术涉及到多传感器的探测技术、 分布式动态网络及通信技术、 分布式信息融合技术、 各种复杂的电磁干扰技术、 单枚导弹的制导控制技术以及多导弹编队制导控制技术等， 因此， 在研究网络化导弹制导时应该综合考虑上述技术， 只有这样， 所研究的网络化制导技术才具有可用性、 实战性。 同时随着人工智能技术的发展， 未来的导弹一定具有智能性， 随着同类型导弹部队参与训练、 实弹射击和实际作战所积累的使用样本越来越多， 此类导弹的智能就会越来越高， 就越具有适应各种复杂战场作战环境的能力， 其作战效能就越高。 因此， 对导弹的主要部件如制导系统、 导引头、 引信战斗部、 信息处理系统等都要具有很高的智能， 从而， 如何将人工智能技术应用到上述系统中使导弹具有智能化网络化作战能力是未来研究的主要方向之一。 在基于多飞机平台协同的半主动制导方面， 需要考虑平台在具备多目标探测能力， 以及平台在非理想情况下和复杂情况下的状况; 在基于多平台传感器网络协同的网络化主动制导中， 传感器系统在误差快速变化时、 在复杂战场环境下以及网络拓扑结构可变等因素对主动制导产生的影响均需要进一步研究; 在多导弹编队网络化协同制导领域， 非理想目标信息的多导弹编队攻击时间协同主动制导技术、 时间空间协同主动制导技术和复杂战场环境下多导弹编队协同的智能主动制导技术也有很大的发展空间。
参考文献：
[1] Alberts D，Garstka J. 网络中心行动的基本原理及其度量[M]. 李耐和，王宇弘，黄锋，译. 北京：国防工业出版社，2007.
Alberts D，Garstka J. The Basic Principle and Measurement of Network Centric Action[M].Translated by Li Naihe，Wang Yuhong，Huang Feng. Beijing：National Defense Industry Press，2007. （in Chinese）
[2] 王琳，张涛，冯国强，等. 网络瞄准环境下异步航迹融合策略及融合算法研究[J]. 控制理论与应用，2012，29（1）： 64-70.
Wang Lin，Zhang Tao，Feng Guoqiang，et al. Asynchronous Track Fusion Policy and Fusion Algorithm in Networked Targeting Environment[J]. Control Theory & Applications，2012，29（1）：64-70. （in Chinese）
[3] 王润生. 信息融合[M]. 北京：科学出版社，2007.
Wang Runsheng. Information Fusion[M]. Beijing：China Science Publishing，2007. （in Chinese）
[4] Chong C Y，Mori S，Barker W H，et al. Architectures and Algorithms for Track Association and Fusion[J]. Aerospace & Electronic Systems Magazine IEEE，2000，15（1）： 5-13.
[5] 刁兴华，方洋旺，张磊， 等. 中远程空空导弹多机协同中制导交接方法[J]. 国防科技大学学报，2014（3）： 77-82.
Diao Xinghua，Fang Yangwang，Zhang Lei，et al. Method of Guidance Handover in Midcourse Guidance Phase of Air to Air Missile About Cooperative Multi Platform[J]. Journal of National University of Defense Technology， 2014（3）： 77-82. （in Chinese）
[6] 何友，修建娟，张晶炜，等. 雷达数据处理及应用[M]. 2版. 北京：电子工业出版社，2009.
He You，Xiu Jianjuan，Zhang Jingwei，et al. Radar Data Processing with Applications[M]. 2 ed. Beijing：PublishingHouse of Electronics Industry，2009. （in Chinese）
[7] Scott R. Joining the Dots：Networked Platforms Extend Air Defense[J]. Janes Navy International， 2005，12：26-30.
[8] 何应圳. 编队协同接力制导仿真研究[J].现代计算机， 2016（13）： 16-18.
He Yingzhen. Research on the Simulation of Relay Guidance of Formation Coordination[J]. Modern Computer，2016（13）： 16-18. （in Chinese）
[9] 周德云，楊振，张堃. 多UCAV超视距协同空战中的交接制导方法[J]. 弹道学报，2017，29（2）： 1-7.
Zhou Deyun，Yang Zhen，Zhang Kun. Method of Guidance Handover in Beyond Visual Range Coordinated Air Combat for Multi-UCAVs[J]. Journal of Ballistics，2017，29（2）： 1-7. （in Chinese）
[10] 雷宇曜，姜文志，朱伟，等. 多平台对AAM协同制导交接班模型[J]. 指挥控制与仿真，2015（1）：45-49.
Lei Yuyao，Jiang Wenzhi，Zhu Wei，et al. Multi-Platform Cooperative Guidance Model for Anti Aircraft Missile[J]. Command Control & Simulation，2015（1）： 45-49. （in Chinese）
[11] 田宏亮，梁晓庚，贾晓洪，等. 基于红外成像导引头的切换制导律设计[J]. 测控技术，2011，30（9）： 116-119.
Tian Hongliang，Liang Xiaogeng，Jia Xiaohong，et al. Design for Switch Guidance Law Based on the Infrared Imaging Seeker[J]. Measurement & Control Technology，2011，30（9）： 116-119. （in Chinese）
[12] 刘振，徐学文，刘勇. 协同制导空战决策建模及求解算法[J]. 弹道学报，2018，30（2）：12-18.
Liu Zhen，Xu Xuewen，Liu Yong. Air Combat Decision with Cooperative Guidance and Its Realization Algorithm[J]. Journal of Ballistics，2018，30（2）：12-18. （in Chinese）
[13] 赵永涛，胡云安，李静. 舰空导弹作战接力切换式制导交接方案设计[J]. 飞行力学，2011，29（1）：50-53.
Zhao Yongtao，Hu Yunan，Li Jing. Design of the Relay Switch Guidance Handover Scheme for Interception of the Ship Air Missile [J]. Measurement & Control Technology，2011，29（1）：50-53. （in Chinese）
[14] 肖冰松，王瑞，邓有为，等. 一种新的制导优势模型[J].火力与指挥控制，2018，43（6）：71-75.
Xiao Bingsong，Wang Rui，Deng Youwei，et al. A New Model of Guidance Superiority[J]. Fire Control & Command Control，2018，43（6）：71-75. （in Chinese）
[15] 余名哲，张友安，钱进. 基于遭遇点预测的比例导引与多平台接力制导交接律设计[J]. 海军航空工程学院学报，2010，25（3）： 255-258.
Yu Mingzhe，Zhang Youan，Qian Jin. Design of the Proportional Navigation Based on Hit Point Prediction and Multi Platform Relay Guidance Transfer Law [J]. Journal of Naval Aeronautical and Astronautical，2010，25（3）： 255-258. （in Chinese）
[16] 黄宇达，范太华，赵红专. 一种空空导弹复合制导交接班方案设计[J]. 弹箭与制导学报，2012，32（1）： 1-2， 6.
Huang Yuda，Fan Taihua，Zhao Hongzhuan. A Hand off Designed Scheme of Composite Guidance of Air to Air Missile[J]. Journal of Projectiles，Rockets，Missiles and Guidance，2012，32（1）： 1-2，6. （in Chinese）
[17] 任宏光，程海彬. 直升机载空空导弹复合制导系统的交接误差分析[J]. 弹箭与制导学报，2011，31（4）： 8-10.
Ren Hongguang，Cheng Haibin. Error Analysis of Handover of Compound Guidance System with AAM for Helicopter[J]. Journal of Projectiles， Rockets， Missiles and Guidance，2011，31（4）： 8-10. （in Chinese）
[18] 樊会涛，吕长起，林忠贤. 空空导弹方案设计原理[M]. 北京：航空工业出版社，2007.
Fan Huitao，Lü Changqi，Lin Zhongxian. Air-to-Air Missile Systems Overall Design[M]. Beijing：National Defense Industry Press，2007.（in Chinese）
[19] 潘自凱，董文锋，王正国， 等. 基于曲线拟合的PRS/IRS时间对准方法研究[J]. 空军预警学院学报，2011，25（5）： 343-346.
Pan Zikai，Dong Wenfeng，Wang Zhengguo，et al. Study on PRS/IRS Time Registration Based on Curve Fitting[J]. Journal of Air Force Radar Academy，2011，25（5）： 343-346. （in Chinese）
[20] 高颖，韩宏帅，武梦洁，等. 机动目标的IMM扩展卡尔曼滤波时间配准算法[J].西北工业大学学报， 2016， 34（4）： 621-626.
Gao Ying，Han Hongshuai，Wu Mengjie，et al. IMM Extended Kalman Filter Time Registration Algorithm Based on Maneuvering Target[J]. Journal of Northwestern Polytechnical University，2016， 34（4）： 621-626. （in Chinese）
[21] 李捷. 面向目标识别的机载多传感器数据融合技术研究[D]. 成都： 电子科技大学，2018.
Li Jie. Research on Data Fusion Methods in Airborne Multi-Sensors for Target Identification[D]. Chengdu：University of Electronic Science and Technology of China，2018.（in Chinese）
[22] Besada J A，De Miguel G，Bernardos A M，et al. Generic Multisensor Multitarget Bias Estimation Architecture[J]. Radar Sonar & Navigation Iet，2012，6（5）： 365-378.
[23] 余谅，邓宏洋. 空中交通管制系统中多雷达数据的配准法[J]. 四川联合大学学报：工程科学版，1999（3）： 19-26.
Yu Liang，Deng Hongyang. A Method of Multi Radar Data Registration for ATC System[J]. Journal of Sichuan Union University： Engineering Science Edition，1999（3）： 19-26. （in Chinese）
[24] Friedland B. Treatment of Bias in Recursive Filtering[J]. IEEE Transactions on Automatic Control，2003，14（4）： 359-367.
[25] 潘江怀，乔慧. 多传感器空间配准的病态性及其稳健估计[J]. 兵工学报，2017，38（10）：1965-1973.
Pan Jianghuai，Qiao Hui. Ill Condition Analysis and Robust Estimation for Multi Sensor Spatial Registration[J]. Acta Armamentarii，2017，38（10）：1965-1973. （in Chinese）
[26] 方峰，蔡远利. 机动目标多传感器组网空间配准方法[J].固体火箭技术，2016，39（4）：574-579，600.
Fang Feng，Cai Yuanli. Multi Sensor Space Registration for Maneuvering Target Tracking[J]. Journal of Solid Rocket Technology，2016，39（4）：574-579，600. （in Chinese）
[27] 谢宇婷，周军，卢晓东. 基于多导弹协同目标探测的空间配准算法[J]. 航空兵器，2018（2）：9-15.
Xie Yuting，Zhou Jun，Lu Xiaodong. Spatial Registration Algorithm Based on Multi Missiles Cooperative Target Detection[J]. Aero Weaponry，2018（2）： 9-15. （in Chinese）
[28] 隋天举. 网络化线性系统状态估计问题研究[D]. 杭州： 浙江大学，2017.
Sui Tianju. Research on Networked State Estimation for Linear System[D]. Hangzhou：Zhejiang University，2017. （in Chinese）
[29] Poulsen N K，Ravn O. New Developments in State Estimation for Nonlinear Systems[M]. Pergamon Press，Inc. 2000.
[30] Arasaratnam I，Haykin S. Cubature Kalman Filters[J]. IEEE Transactions on Automatic Control，2009，54（6）：1254-1269.
[31] Gelb A. Applied Optimal Estimation[M]. The MIT Press，1974.
[32] 郭承军. 多源组合导航系统信息融合关键技术研究[D]. 成都： 電子科技大学，2018.
Guo Chengjun. Key Technical Research of Information Fusion for Multiple Source Integrated Navigation System[D]. Chengdu：University of Electronic Science and Technology of China，2018. （in Chinese）
[33] 肖增博，雷虎民. 导弹制导的协同控制方法[J]. 航空兵器，2012（1）：18-24.
Xiao Zengbo，Lei Humin. Synergetic Control Approach to Missile Guidance[J]. Aero Weaponry，2012（1）：18-24. （in Chinese）
[34] Boskovic J D，Mehra R K. An Adaptive Scheme for Compensation of Loss of Effectiveness of Flight Control Effectors[C]//Proceedings of the 40th IEEE Conference on Decision and Control，Orlando，2001：2448-2453.
[35] 王宇飞. 基于多模型切换的近空间飞行器鲁棒自适应协调控制[D]. 南京： 南京航空航天大学，2012.
Wang Yufei. Robust Adaptive Coordinative Control for Near Space Vehicle Based on Multiple Models Switching [D]. Nanjing：Nanjing University of Aeronautics and Astronautics，2012. （in Chinese）
[36] 王宇飞，吴庆宪，姜长生，等. 近空间飞行器的多模型切换控制[J]. 控制与决策，2012，27（10）：1452-1458.
Wang Yufei，Wu Qingxian，Jia
