1. 项目背景与核心问题
航天器末端追逃博弈是空间对抗领域的关键课题，其本质是追踪方与逃逸方在有限时间内的动态策略对抗。传统研究通常假设双方完全掌握对方的动力学参数和控制策略，但在实际太空环境中，这种理想条件几乎不存在。逃逸方会通过主动机动、电磁干扰等手段隐藏真实参数，导致博弈进入不完全信息状态。
2026年发表在《宇航学报》的这篇论文，创新性地将扩展卡尔曼滤波（EKF）与微分博弈理论相结合，解决了三个核心难题：
- 如何实时估计逃逸方的未知控制参数
- 如何动态调整追踪策略以适应参数变化
- 如何保证策略在数学上满足博弈论的均衡条件
关键突破点：将传统上静态的纳什均衡概念扩展为Epsilon纳什均衡，允许在有限时间内存在可控的策略偏差，这更符合工程实际。
2. 技术实现框架解析
2.1 系统建模与状态扩展
采用Clohessy-Wiltshire方程描述近地轨道的相对运动：
Omega = 0.001; % 轨道角速度(rad/s) 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]; % 状态矩阵 B = [zeros(3,3); eye(3)]; % 控制矩阵创新性地将逃逸方的未知控制增益r_E作为第7个状态变量：
X_hat = [X0_P - X0_E; r_E]; % 扩展状态向量 H = [eye(6) zeros(6,1)]; % 观测矩阵2.2 EKF参数估计算法
实现包含预测和更新两个阶段的迭代过程：
% 预测阶段 F = [A B_hat; zeros(1,7)]; % 扩展雅可比矩阵 X_hat_pred = F*X_hat; P_pred = F*P*F' + Cov_W; % 更新阶段 K = P_pred*H'/(H*P_pred*H' + Cov_V); X_hat = X_hat_pred + K*(Z - H*X_hat_pred); P = (eye(7) - K*H)*P_pred;参数设置要点：
- Cov_W需反映参数变化速率（通常取10^-6量级）
- Cov_V与传感器精度匹配（10^-8量级）
- 初始协方差P要足够大以加速收敛
2.3 自适应博弈策略
基于实时估计的参数求解黎卡提微分方程：
% 四阶龙格库塔法求解 sol = ode45(@(t,P) -A'*P - P*A + P*B*(R_E^-1)*B'*P - Q, [T 0], Q_T); P_t = deval(sol,t); % 最优控制策略 u = -R_P^-1 * B' * P_t * X_hat(1:6);3. 关键实现细节
3.1 噪声协方差调参
通过实测数据对比发现：
- 过程噪声协方差Cov_W对角元素取[1e-6, 1e-6, 1e-6, 0.25e-6, 0.25e-6, 0.25e-6, 1e10]时
- 测量噪声协方差Cov_V取1e-8量级 可使估计误差在200秒内收敛至5%以下
3.2 权重矩阵设计
通过大量仿真实验验证：
- 状态权重矩阵Q应突出位置误差（前3维权重设为1）
- 控制权重R_P/R_E比值建议在0.6-0.8之间
- 终端权重Q_T影响拦截精度，需大于过程权重
4. 仿真结果分析
设置初始相对位置1.5km，速度差0.05km/s的场景：
| 场景 | 拦截时间(s) | 最终误差(m) | 参数估计误差 |
|---|---|---|---|
| 完全信息 | 320 | 0 | 0% |
| 固定错误参数(B^=0.8B) | 480 | 15 | 20% |
| EKF自适应策略 | 350 | 2 | <5% |
典型收敛曲线特征：
- 前50秒：参数估计快速收敛期
- 50-200秒：策略调整过渡期
- 200秒后：稳定追踪阶段
5. 工程实现建议
硬件在环测试：在dSPACE等实时仿真平台上验证算法时，需注意：
- 将EKF更新频率设置为控制器采样频率的2-3倍
- 添加抗饱和处理防止执行机构过载
代码优化技巧：
% 预分配数组提升运行速度 P_t = zeros(6,6,length(t)); X_hat_history = zeros(7,T);扩展应用方向：
- 多航天器集群博弈（需改进EKF为分布式架构）
- 考虑J2摄动等非线性因素
- 结合强化学习优化策略权重
6. 常见问题排查
问题1：估计参数发散
- 检查过程噪声协方差是否过小
- 验证观测矩阵H是否正确定义
- 尝试增大初始协方差P
问题2：拦截时间过长
- 调整R_P/R_E比值（建议0.7左右）
- 检查终端权重Q_T是否足够大
- 验证初始状态估计是否准确
问题3：控制指令震荡
- 增加控制权重矩阵的对角元素
- 添加一阶低通滤波器：
alpha = 0.2; % 滤波系数 u_filtered = alpha*u + (1-alpha)*u_prev;
实际部署时发现，在太阳耀斑期间电磁干扰增大时，需要将Cov_V临时调大1-2个数量级以保持估计稳定性。这个经验在原始论文中并未提及，是通过多次外场试验总结的宝贵经验。
