窄帶雷達目標特性分析技術在近距離伴飛中的應用

工程技術 載人航天２０１１年第３期

窄帶雷達目標特性分析技術

在近距離伴飛中的應用

牛威

寇鵬 ２

（１中國西安衛星測控中心 ２宇航動力學國家重點實驗室）

摘 要載人航天任務的近距離伴飛識別實驗中，伴星和軌道艙目標相對距離較近，

進入設備視場的時間順序不能確定，導致常用的軌道根數和測站跟蹤時序識別法不能對兩

者加以區分。通過分析目標的物理特性及運動特性，提出了使用雷達散射截面均值及姿態

穩定性判別的識別方法。實驗結果表明：該方法是近距離伴飛目標識別的有效手段。

關鍵詞 窄帶雷達特性分析探測伴飛

分類號Ｖ５２５ 文獻標識碼Ａ文章編號 １６７４—５８２５（２０１ １）０３—００３１—０５

１引言

小衛星伴飛是載人航天飛行任務中的一項重要

的科學實驗活動，‘伴星及軌道艙軌道測定是完成伴

星對軌道艙的伴飛試驗的前提條件。雷達是進行空

間目標監視的主要設備之一＿１１，利用雷達對伴星及軌

道艙進行反射式跟蹤，可為伴飛試驗提供數據支持。

識別技術。

經典的開普勒根數包括目標的半長軸、偏心率、

軌道傾角、升交點赤經、近地點幅角、平近點角。其中

半長軸、軌道傾角、升交點赤經等為慢變化軌道元

素。開普勒根數又分為瞬時根數和平根數，進行識別

時需分析目標瞬時位置變化情況【３＿。

伴星分離后，對軌道艙和伴星進行了跟蹤。由于

此時，伴星及軌道艙視為非合作目標。非合作目標的

監測與航天測控有所不同，需要考慮目標特性等問 因此分析了兩個目標的軌道和ＲＣＳ特性，根據特性

題。目前窄帶雷達觀測非合作目標時主要獲取的是

測軌和雷達目標反射截面積（Ｒａｄａｒ Ｃｒｏｓｓ Ｓｅｃｔｉｏｎ，

是非合作式跟蹤，需要根據目標特性判別目標身份，

分析結果進行了目標身份識別。

（１）基于軌道根數的識別方法分析

根據雷達測軌數據分別計算軌道艙和伴星的軌

道根數，表１給出了某時刻軌道艙和伴星在Ｊ２０００

ＲＣＳ）數據，因此我們從軌道和ＲＣＳ兩個方面分析了

目標特性，根據分析結果研究了近距離伴飛中目標

識別方法，在試驗中得到了驗證。

慣性系中的開普勒瞬時根數。由表１可見，軌道艙和

伴星軌道的差別已經與定軌誤差同量級，因此利用

２伴星和軌道艙目標特性分析

２．Ｉ軌道特性分析

軌道根數對二者進行識別的方法不可行。

（２）基于測站跟蹤時序的識別方法分析

我們分析了軌道艙和伴星進入設備視場的時間

描述目標運動軌道的表達方式有軌道根數及

目標位置、速度兩種『２＿。分析目標運動特性時通常基

于軌道根數，不同軌道體系定義了不同的軌道根

數，本文研究了基于經典的開普勒根數的軌道特性

來稿日期：２０１１—０４一Ｏ１；修回日期：２０１１－０４～１５。

順序，希望借助其進行識別。表２給出了兩個不同跟

蹤圈次的軌道艙和伴星的某雷達跟蹤預報情況。由

表２可見，Ａ時刻，伴星先進入設備視場，Ｂ時刻，軌

作者簡介：牛威（１９７５．１１一），男，碩士，高級工程師，主要從事空間目標探測與識別工作。

３１

載人航天２０１１年第３期 工程技術

表１軌道艙和伴星根數瞬時根數

目標名稱 半長軸（ｍ） 偏心，卒（。） 軌道傾角（。）

軌道艙 ６７１６８５２ ０．００１６８ ４２．４７５３２

伴星 ６７１６８７ｌ ０．００１６５ ４２．４７７９２

表２軌道艙和伴星測站跟蹤預報情況

目標名稱 時間 距離（ｍ） 方位角（。） 俯仰角（。）

軌道艙 ６５７ｌ２６ ２ｌ２．６４３２ ２７．６２２０

Ａ時刻

伴星 ６５６７９３ ２ｌ２．６３２１ ２７．６７２０

軌道艙 ６４０７９１ ２０．０６２３０ ２９．０９９８

Ｂ時刻

伴星 ６４１２４９ ｌ９．９７１６０ ２９．１１７２

道艙先進入設備視場，因此利用測站跟蹤時序對二

者進行識別的方法也不可行。

２．２目標ＲＣＳ特性分析

根據目標物理特性分析，伴星ＲＣＳ均值遠小于

軌道艙ＲＣＳ均值。根據目標運動特性分析，伴星為

姿態穩定目標，軌道艙為姿態翻滾目標。伴星ＲＣＳ

均值預估結果小于ｌｍ ，軌道艙ＲＣＳ均值預估結果

大于ｌｍ 。

根據以上分析，當不能通過軌道特性區分伴星

和軌道艙時，可以通過目標ＲＣＳ特性進行識別，方

法如下：

（１）計算目標ＲＣＳ均值；

（２）利用ＲＣＳ起伏特性判斷目標姿態。

判據：目標ＲＣＳ均值小于ｌｍ 且姿態穩定，識別

為伴星；目標ＲＣＳ均值大于１ｍ 且姿態翻滾，識別為

軌道艙。其中穩定性判別是關鍵技術，下節對算法進

行詳細描述。

３穩定性判別算法

由于周期性的翻滾使得目標的ＲＣＳ反射圖具

有明顯的周期性，與衛星＿一軸穩定姿態的ＲＣＳ反

射圖有明顯區別。可以提取反射圖的特征量進行分

類識別Ｉ ４＿。直接提取ＲＣＳ反射圖的方差、最大值和

均值比、變異系數等特征量進行識別的效果并不理

３２

想。對ＲＣＳ反射圖進行小波變換，提取小波變換后

的各種特征進行了分析，經過大量實測數據驗證，

發現小波變換后兩類目標的最大奇異值、最大值和

均值比、方差、中心矩等特征具有可分性，利用這些

特征能夠進行分類識別，試驗表明小波變換后的識

別結果較好。下面對利用小波變換的識別算法進行

說明。

３．１利用小波變換的特征提取

選擇對尺度參數。和時間參數ｂ進行離散化，

設窄帶雷達ＲＣＳ數據 （凡），ｎ＝０，１，…，Ⅳ，Ⅳ為雷達

觀測數據的長度，則 （凡）的離散小波變換為

Ｎ

，

（口，６）＝ （凡） ） （１）

其中，ｂ＝ｌ，２，…，Ｎ；ａ＝ｌ，２，…， 。令Ａ＝ｌ （０，ｂ）Ｉ，選取

由 提取的７個有效統計特征如下：

（１）最大值和均值之比特征

瓢４中謀最 。， 喘 Ａ（ ），

則最大值和均值之比特征為：

ｔ￣＝ａ／ｂ （２）

（２）最大奇異值特征

將Ａ看作維矩陣，則分別存在一個ＭｘＭ維和

Ⅳ×Ⅳ維酉陣 和 ，使得Ａ ，其中上標日表示

矩陣的共軛轉置， 是一個ＭｘＮ維對角矩陣，其主

對角線上的元素是非負的，并按下列順序排列： ≥

≥…≥ 從＞１０，式中ｈ＝ｍｉｎ（Ｍ，Ⅳ）。則最大奇異值

特征為：

ｔ２＝ １１ （３）

（３）方差特征

方差特征為：

∑∑

√）一６］ （４）

ｉ＝１ ｊ

＝

ｌ

（４）中心矩特征

∑∑ ?ａ（ｉ， ）］

令Ｃ１＝ Ｌ＿ ，Ａ的中心矩定義為：

∑∑Ａ（ｉ， ）

ｉ＝ｌ』＝１

Ｎ

＝

∑∑ ｆ ） （，．ｃ１） （ √）］ （５）

ｉ＝

１ｉ＝１

分別令（ｐ

ｑ）（２，２）、（２，４）、（４，２）、（４，４），可以

＝

，

提取中心矩特征ｔ４＝／Ｚ笠，ｔ５＝Ｍ２４，ｔ６＝ ４２，ｔ７＝ ４４。

工程技術 載人航天２０１１年第３期

３．２神經網絡判別

考慮到分類識別和工程應用的需求，試驗選取 其中， 代表輸入端點實際輸入， 表示輸出端點的

了算法簡單，便于實現的ＢＰ（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ）神經 誤差。 的含義由具體的層決定，叼為訓練速率。

網絡。由于提取的７種小波變換特征值之間相差較

大，直接作為ＢＰ神經網絡的輸入，網絡不收斂。根

據實際情況，對特征值進行了歸一化處理，使用歸一

化處理后的特征值進行識別，使用基本的ＢＰ神經

網絡算法就可以達到較好的識別效果，網絡收斂速

度較快。

使用ＢＰ神經網絡首先需要對其進行訓練，使其

通過對一定數量的樣本數據進行學習后，具備識別

新樣本數據的能力。實驗中選取 層ＢＰ神經網絡，

設輸入層有ｎ個神經元，隱含層有Ｐ個神經元，輸出

層有ｍ個神經元，根據特征提取結果和識別要求，取

ｎ＝７，ｐ＝５，ｍ＝２。 表示輸入層第ｉ個神經元，ｙｈ表示

隱含層第ｈ個神經元， 表示輸出層第 個神經元，

Ｗ

表示輸入層第ｉ個神經元和隱含層第ｈ個神經元

之間的連接權值，Ｗ 表示隱含層第ｈ個神經元和輸

出層第 個神經元之間的連接權值。

隱藏層第ｈ個神經元的輸人為：

Ｓｈ＝ 一Ｏｈ （６）

Ｉ＝１

其中， 為結點門限。

隱藏層第ｈ個神經元的輸出為：

ｙｈ＝Ｆ（ｓ ） （７）

采用Ｓ形壓縮函數：

ｓ）＝— （８）

１＋ｅ

輸出層第 個神經元的輸入加權和為：

Ｐ Ｐ

：

∑ 一 ＝∑ 崎Ｆ（∑ ）一 （９）

ｈ＝ｌ ＾＝ｌ ｉ＝０

輸出層第 個神經元的輸出為：

＝ ５

） （１Ｏ）

誤差函數采用：

Ｅ（ ）： １∑（ｔｊ－ｚｊ） （１ １）

ｄ－．ｊ＝ｌ

其中， 為要求的理想輸出。

為使誤差函數值最小，用梯度下降法求得優化

的權值。權值修正量先從輸出層開始修正，然后依次

修正前層權值。網絡任意層的連接權值修正量可以

寫成如下一般形式：

△ ＝堿 （１２）

４試驗結果

跟蹤試驗中對目標特性進行了分析，部分結果

如下：

４．１軌道艙特性測量和分析結果

表３ Ｂ型號雷達跟蹤目標ＲＣＳ均值計算結果

弧段 使用點數 均值ｍ ）

１ ８４０９ ｌ６．６４

２ １３５６ １５．８６２

３ ８７６８ ｌ２．１９４

４ ８６２７ １８．６０１

５ ８４８７ １６．６７３

總計 ４４８２０ １５．９９４

４０

２０

０

—

２０

圖２ Ｂ型號雷達ＲＣＳ時間序列曲線

穩定姿態結果設為０，翻滾姿態結果設為１，取

兩類目標輸出中值０．５為閾值。

根據ＲＣＳ均值計算結果和姿態識別結果判斷，

表４ Ａ型號雷達ＲＣＳ序列識別結果

序號 輸出值 識別結果

ｌ ０．９８７ 翻滾

２ ０．９６５ 翻滾

３ ０．９３４ 翻滾

４ １．０３３ 翻滾

３３

載人航天２０１１年第３期 工程技術

表５ Ｂ型號雷達ＲＣＳ序列識別結果

序號 輸出值 識別結果

１ ０．９７７ 翻滾

２ １．０８９ 翻滾

３ ０．９１３ 翻滾

４ １．１２１ 翻滾

跟蹤目標為軌道艙。

４．２伴星特性測量和分析結果

表６ Ｂ型號雷達跟蹤目標ＲＣＳ均值計算結果

弧段 使用點數 均值ｍ ）

１ ２１８４ Ｏ．１３３

２ ４５１４ Ｏ．３１３

３ ２３６８ Ｏ．１６９

４ ８２１３ ０．２０１

５ ８３９５ Ｏ．１９ｌ

６ ８８６２ ０．１９７

總計 ５８６７９ ０．２００６７

圖３ Ａ型號雷達ＲＣＳ時間序列曲線

Ｄ ５Ｄ １０Ｄ １５Ｄ ２ＯＤ ２５Ｄ ３ＯＤ ３５Ｄ ４０Ｄ ４５Ｄ

圖４ Ｂ型號雷達ＲＣＳ時間序列曲線

穩定姿態結果設為０，翻滾姿態結果設為１，取

兩類目標輸出中值０．５為閾值。

根據ＲＣＳ均值計算結果和姿態識別結果判斷，

跟蹤目標為伴星。

３４

表７ Ａ型號雷達ＲＣＳ序列識別結果

序號 輸出值 識別結果

１ ０．１０２ 穩定

２ ０．ｏｏ３ 穩定

３ ０．０４７ 穩定

４ ０．００９ 穩定

表８ Ｂ型號雷達ＲＣＳ序列識別結果

序號 輸出值 識別結果

１ Ｏ．ｏ０５ 穩定

２ ０．０３２ 穩定

３ ０．１８６ 穩定

４ Ｏ．ｏ０１ 穩定

５結論

近距離伴飛實驗中，由于伴星和軌道艙目標相

對距離較近，兩目標進入設備視場的時間順序也不

能確定，導致常用的軌道根數和測站跟蹤時序識別

法不能對兩者加以區分。本文通過分析目標的物理

特性及姿態特性，提出了使用ＲＣＳ均值及姿態穩定

判別的識別方法，識別出伴星和軌道艙。但是窄帶雷

達不能得到目標的細節信息，后續工作將利用不同

類型雷達的特性測量結果，進一步研究空間目標的

融合識別方法，更好的為我國航天試驗服務。

參考文獻

［１］柳仲貴．近地空間目標監視網設計ＥＪ］．飛行器測控學報，２０００，１９

ｆ４）：９—１７．

［２］李濟生．人造衛星精密軌道確定［Ｍ］．北京，解放軍出版社，１９９５：

７６—７８．

［３ Ｊ Ｑｉｓｈｅｎｇ Ｓｕｉ，Ｊｉａｎｐｉｎｇ Ｙｕａｎ，Ｗｅｉ Ｎｉｕ，ａｎｄ Ｌｉ Ｓｈａｏｍｉｎｇ．Ａ Ｍｅｔｈｏｄ

ｏｆ Ｓｐａｃｅ Ｏｂｊｅｃｔ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ Ｏｎ Ｔｈｒｅｓｈｏｌｄ Ｅｓｔｉｍｍｉｎｇ［Ｃ］，

ＩＳＳＣＡＡ２０１０，Ｈａｅｒｈｉｎｇ，Ｃｈｉｎａ，ＰＰ．８３８－８４０，６．８－６．１０，２０１０．

［４］Ｗｅｉ Ｎｉｕ，Ｓｈａｏｍｉｎｇ Ｌｉ，Ｒｏｎｇｚｈｉ Ｚｈａｎｇ．Ｍｅｔｈｏｄ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ

Ｓｐａｃｅｃｒａｆｔ Ａｔｔｉｔｕｄｅ Ｓｔａｂｉｌｉｔｙ ｂａｓｅｄ ｏｎ ＲＣＳ［Ｃ］．６１ｓｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ａｓｔｒｏｎａｕｔｉｃａｌ Ｃｏｎｇｒｅｓｓ，Ｐｒａｇｕｅ，Ｃｚｅｃｈ Ｒｅｐｕｂｌｉｃ，ＩＡＣ一１０一Ａ６．１．３，

９．２７－１０．１．２０１０．

工程技術 載人航天２０１１年第３期

Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｔａｒｇｅｔ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ Ａｎａｌｙｓｉｓ ｏｆ Ｎａｒｒｏｗ－ｂａｎｄ Ｒａｄａｒ ｉｎ

Ａｃｃｏｍｐａｎｙｉｎｇ Ｆｌｉｇｈｔ

ＮＩＵ Ｗｅｉ’ＫＯＵ Ｐｅｎｇ’

（１ Ｃｈｉｎａ Ｘｉ’ａｎ Ｓａｔｅｌｌｉｔｅ Ｃｏｎｔｒｏｌ Ｃｅｎｔｅｒ ２ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｓｔｒｏｎａｕｔｉｃ Ｄｙｎａｍｉｃｓ）

Ａｂｓｔｒａｃｔ：Ｂｅｃａｕｓｅ ｔｈｅ ｄｉｓｔａｎｃｅ ｂｅｔｗｅｅｎ ｔｈｅ ａｃｃｏｍｐａｎｙｉｎｇ ｓａｔｅｌｌｉｔｅ ａｎｄ ｔｈｅ ｏｒｂｉｔａｌ ｍｏｄｕｌｅ ｉｓ ｖｅｒｙ ｃｌｏｓｅ ｉｎ ｓｐａｃｅ，ａｎｄ ｔｈｅ ｓｅ—

ｑｕｅｎｃｅ ｏｆ ｅｎｔｅｒｉｎｇ ｔｈｅ ｓｉｇｈｔ ｏｆ ｏｂｓｅｒｖａｔｉｏｎ ｉｓ ｕｎｃｅｒｔａｉｎ，ｔｈｅ ｔｗｏ ｔａｒｇｅｔｓ ｃａｎｎｏｔ ｂｅ ｄｉｓｃｒｉｍｉｎａｔｅｄ ｗｉｔｈ ｔｈｅ ｃｏｍｍｏｎ

ｍｅｔｈｏｄｓ ｓｕｃｈ ａｓ ｏｒｂｉｔ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｓｅｑｕｅｎｃｅ ｉｄｅｎｔｉｆｉｃａｉｔｏｎ．Ｔｈｒｏｕｇｈ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｐｈｙｓｉｃａｌ ａｎｄ ｍｏｖｉｎｇ ｃｈａｒａｃｔｅｒ－

ｉｓｔｉｃｓ ｏｆ ｔｈｅ ｔｗｏ ｔａｒｇｅｔｓ，ａｎ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｍｅａｎ Ｒａｄａｒ Ｃｒｏｓｓ Ｓｅｃｔｉｏｎ（ＲＣＳ）ａｎｄ ａｔｔｉｔｕｄｅ ｓｔａｂｉｌｉｔｙ ｄｅ—

ｔｅｒｍｉｎａｔｉｏｎ ｉｓ ｐｒｏｐｏｓｅｄ．Ｒｅｓｕｌｔ ｏｆ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｉｓ ｅｆｆｅｃｔｉｖｅ ｆｏｒ ｔａｒｇｅｔ ｉｄｅｎｔｉｉｃａｔｉｆｏｎ ｉｎ ｃｌｏｓｅ ａｃ—

ｃｏｍｐａｎｙｉｎｇ ｆｌｉｇｈｔ．

Ｋｅｙｗｏｒｄｓ：Ｎａｒｒｏｗ－ｂａｎｄ Ｒａｄａｒ；Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ａｎａｌｙｓｉｓ；Ｄｅｔｅｃｔｉｏｎ；Ａｃｃｏｍｐａｎｙｉｎｇ Ｆｌｉｇｈｔ

?

＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一＋一—＋－一—＋－一—

（上接第１０頁）

ｔｉｐｌｅ—ｒｅｖｏｌｕｔｉｏｎ Ｌａｍｂｅｒｔ ｓｏｌｕｔｉｏｎｓ［Ｊ］．Ｔｈｅ Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｓｔｒｏｎａｕ—

［Ｊ］．空間控制技術與應用，２００９，３５（６）：４５—４９

［６］潘偉，路長厚，馮維明，葛培琪．有限推力航天器雙主動交會的最

ｔｉｃａｌ Ｓｃｉｅｎｃｅｓ，２０００．４６（２）：１３１－１４８

［８］李生猛，朱戰霞．基于ｌａｍｂｅｒｔ理論的多脈沖快速軌道交會研究

［Ｊ］．計算機仿真，２００９，２６（１１）：８０—８３

［９］徐樹方，高立，張平文．數值線性代數［Ｍ］．北京大學出版社，２０００

優控制［Ｊ］．固體火箭技術，２００９，３２（４）：３７３—３７８

［７］Ｐｒｕｓｓｉｎｇ ｊ Ｅ．Ａ ｃｌａｓｓ ｏｆ ｏｐｔｉｍａｌ ｔｗｏ—ｉｍｐｕｌｓｅ ｒｅｎｄｅｚｖｏｕｓ ｕｓｉｎｇ ｍｕｌ—

Ｏｐｔｉｍａｌ Ｃｏｎｔｉｎｕｕｍ－ｔｈｒｕｓｔ Ｒｅｎｄｅｚｖｏｕｓ Ｃｏｎｔｒｏｌ ｏｆ Ｓｐａｃｅｃｒａｆｔ Ｂａｓｅｄ ｏｎ ｔｈｅ

Ｎｕｍｅｒｉｃａｌ Ｓｏｌｕｔｉｏｎｓ ｏｆ Ａｌｇｅｂｒａｉｃ Ｒｉｃｃａｔｉ Ｅｑｕａｔｉｏｎ

ＪＩＡＮＧ Ｙｕ’－ ＬＩ Ｈｅｎｇｎｉａｎ’Ｉ ＺＨＡＮＧ Ｚｈｉｂｉｎ’＇ ＴＡＮ Ｗｅｉ’’。

（１ Ｃｈｉｎａ Ｘｉ’ａｎ Ｓａｔｅｌｌｉｔｅ Ｃｏｎｔｒｏｌ Ｃｅｎｔｅｒ ２ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｓ￣ｏｎａｕｆｉｃ Ｄｙｎａｍｉｃｓ

３ Ａｅｒｏｓｐａｃｅ Ｃｏｌｌｅｇｅ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ）

Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｔｈｅ ｏｐｔｉｍａｌ ｃｏｎｔｒｏｌ ｏｆ ｑｕａｄｒａｔｉｃ ｆｏｒｍ，ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｏｐｔｉｍａｌ ｃｏｎｔｉｎｕｕｍ—ｔｈｒｕｓｔ ｒｅｎｄｅｚｖｏｕｓ ｃｏｎｔｒｏｌ ｏｆ

ｓｐａｃｅｃｒａｆｔ ｃａｎ ｂｅ ｔｒａｎｓｌａｔｅｄ ｉｎｔｏ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｎｕｍｅｒｉｃａｌ ｍｅｔｈｏｄｓ ｆｏｒ ａｌｇｅｂｒａｉｃ Ｒｉｃｃａｔｉ ｅｑｕａｔｉｏｎ．Ｔｈｅ ｃｏｎｔｒｏｌ ｖａｒｉａｂｌｅｓ

ａｎｄ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｓｔａｔｅ ｐａｒａｍｅｔｅｒｓ ａｒｅ ｃａｌｃｕｌａｔｅｄ ｂｙ ｓｏｌｖｉｎｇ ａｌｇｅｂｒａｉｃ Ｒｉｃｃａｔｉ ｅｑｕａｔｉｏｎ．Ｎｕｍｅｒｉｃａｌ ｓｉｍｕｌａｔｉｏｎｓ

ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃａｎ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｏｐｔｉｍａｌ ｃｏｎｔｉｎｕｕｍ－ｔｈｒｕｓｔ ｒｅｎｄｅｚｖｏｕｓ ｃｏｎｔｒｏｌ ｏｆ ｓｐａｃｅｃｒａｆｔ ｅｆｆｅｃｔｉｖｅｌｙ，

ｗｉｔｈ ｓｐｅｅｄ ａｎｄ ｈｉｇｈ ｐｒｅｃｉｓｉｏｎ．

Ｋｅｙｗｏｒｄｓ：Ｃｏｎｔｉｎｕｕｍ—ｔｈｒｕｓｔ Ｒｅｎｄｅｚｖｏｕｓ；Ｏｐｔｉｍａｌ Ｒｅｎｄｅｚｖｏｕｓ；Ｒｅｎｄｅｚｖｏｕｓ ａｎｄ Ｄｏｃｋｉｎｇ

３５