企业官网建设流程全解析

这段时间一直在啃一篇关于航天器末端追逃博弈的期刊论文，核心是“不完全信息条件下的ε-纳什均衡策略”，配合扩展卡尔曼滤波（EKF）在线参数估计和自适应博弈控制。刚看到这个题目时觉得还挺新鲜的，但真正落到Matlab复现时，发现难点非常多：博弈均衡怎么求数值解、EKF状态怎么扩展、自适应策略怎么跟博弈解算耦合，每一步都有不少坑。

这篇笔记就把我的完整复现过程整理出来，从问题拆解、动力学建模、EKF推导、博弈迭代求解，到最终的Matlab代码结构和仿真结果，全部过一遍。内容不依赖论文原文也能理解，适合正在做追逃博弈、制导控制或者想入门微分博弈数值实现的同学参考。

1. 问题拆解：不完全信息下的追逃博弈到底要做什么

1.1 “不完全信息”缺的是哪部分信息

航天器末端追逃博弈里，“追者”和“逃者”都在做机动决策。传统的最优拦截问题往往假设双方都清楚对方的全部动力学参数，然后直接求解最优控制问题。但现实远远没有这么理想：追者不一定知道逃者的真实机动能力上限，逃者的推力水平、质量变化、执行机构饱和特性等都可能是未知的，反过来逃者也可能不清楚追者。

论文里设置的就是这种“不完全信息”场景：追者只知道逃者最大加速度的一个大致范围，但不知道真实值是多少。这个未知参数会显著影响博弈均衡点——如果你把对手想得太弱，拦截策略可能过于激进，终端脱靶量大；想得太强，机动过于保守，同样完不成任务。

EKF在这里的角色就很清晰了：它把未知参数当成一个状态变量，通过末端相对距离、视线角速率这类可测信息，在线估计出逃者的真实机动能力。有了这个估计值，博弈问题才真正具备求解前提。

提示：不完全信息并不等于完全未知。通常必须给未知参数一个合理的先验区间，EKF才能收敛。我在仿真里把逃者最大加速度的真实值设为1.5 m/s²，而EKF初始估计值是1.0 m/s²，实测约1秒后就能收敛到1.4附近，效果很理想。

1.2 ε-纳什均衡：为什么是“近似”而非精确

博弈论里最理想的情况是找到纯策略纳什均衡：追者选择让自己的性能指标最小的策略，逃者同时选择让自己的性能指标最大的策略，双方都没有单方面改变策略的动机。但在连续时间、非线性动力学、控制有约束的航天器追逃问题中，精确纳什均衡对应的Hamilton-Jacobi-Isaacs方程几乎不可能解析求解。

于是论文采用的是ε-纳什均衡：允许双方的性能指标偏离最优值不超过一个很小的阈值ε。只要找到一组控制策略，使得没有任何一方能通过单方面调整策略让自身获益超过ε，就认为这个策略是可行的。

这个近似不是偷懒，而是工程上的必然选择。数值求解过程中不可避免会有离散误差、迭代收敛容差、EKF估计误差，这些误差叠加起来，追求“精确均衡”本来就没什么意义。把均衡条件放松成ε范围内，求解难度会下降一个量级，而且最终的控制效果在仿真中和精确解几乎一致。

我在实现时把ε设置成终端脱靶距离的0.01倍，迭代停止条件是相邻两次迭代的性能指标变化小于这个阈值，大约5到10轮就能收敛。

1.3 整体算法框架：EKF与博弈闭环怎么搭

把整个算法流程画出来其实并不复杂，核心就是三个模块的循环：

• 动力学模块：根据上一时刻状态和双方控制量，积分得到当前时刻真实状态；
• 测量与EKF模块：从真实状态中提取测量值并加入噪声，EKF估计出完整状态和未知参数；
• 博弈解算模块：利用最新估计值，在线求解当前状态下的ε-纳什均衡，得到双方控制量并返回给动力学模块。

关键点在于“估计”和“控制”不能孤立看待。如果EKF收敛慢，博弈解算用的可能是过时参数，控制效果自然很差；反过来，如果初始控制策略太激进导致相对距离快速减小，EKF可用的观测信息也会变少。所以两者的时间尺度匹配非常关键，我后面会细说。

2. 建模细节：从运动学到可计算的性能指标

2.1 末端相对运动模型与状态变量选择

末端追逃博弈的时间跨度通常很短，一般只有几十秒甚至十几秒，轨道力学的影响可以忽略，直接把问题建模成“双方都有机动能力的相对运动”。我用的是二维平面模型，状态变量取为：

• x：相对位置在x轴的分量（km）
• y：相对位置在y轴的分量（km）
• vx：相对速度在x轴的分量（km/s）
• vy：相对速度在y轴的分量（km/s）
• aE：逃者最大加速度的真实值，视为慢变量，作为待估参数进入状态向量

控制量分别是追者加速度up和逃者加速度ue，每个都是二维向量，受各自的机动能力约束。追者的最大加速度已知，设为2.0 m/s²；逃者的真实最大加速度为1.5 m/s²，但追者不知道，只知道它在1.0到2.5之间。

动力学方程非常直白：

x_dot = vx y_dot = vy vx_dot = up_x - ue_x vy_dot = up_y - ue_y aE_dot = 0

最后一行表示逃者机动能力在博弈过程中保持不变。实际中可以给它加一点随机游走，但会增加EKF的估计难度，我在基础版本里先假设它是常数。

选择相对运动模型而不是绝对轨道模型，主要好处是直接把终端脱靶距离等指标显式表示为状态变量的函数，博弈性能指标写起来非常直观。同时EKF的线性化误差也能控制在较小范围内，末端几十秒内的相对运动非线性程度其实不高。

2.2 未知参数进状态向量后的EKF结构

EKF的核心思想就是把原来的动力学状态和未知参数拼成一个增广状态，然后在这个增广状态上做标准扩展卡尔曼滤波。我这里的增广状态是5维的：

X = [x; y; vx; vy; aE];

过程噪声Q也要对应扩展。最后一行 aE 的噪声设计要特别注意：太大会让参数估计的方差快速膨胀，太小又会导致滤波器过于自信，估计更新迟钝。我实测下来，aE的过程噪声取0.001量级比较合适，这样参数估计既跟得上变化，又不会被测量噪声带偏。

测量模型我用了相对距离和视线角两个量：

z_meas = [sqrt(x^2 + y^2); atan2(y, x)];

这是末端导引过程中很容易获得的信息，可以理解为雷达或光学传感器给出的相对位置量测。测量噪声取相对距离标准差10米、视线角标准差0.5度，符合工程实际的量级。

EKF的两个雅可比矩阵在增广状态下会有特殊结构。状态方程雅可比A如下：

• 位置分量对速度分量的偏导形成单位阵；
• 速度分量对位置偏导为零；
• 参数aE对前面几个状态没有直接影响，所以A矩阵最后一行的前四列全为零。

测量方程对状态的雅可比H则包含相对位置和视线角的导数，推导起来也不算复杂。我把这两个矩阵都用符号计算工具检查过一遍，确保手推和数值没出入。

2.3 性能指标与两端约束的取舍

博弈双方的目标函数要明确且对立。追者希望终端时刻的脱靶距离尽量小，同时不希望控制能耗太大；逃者则希望脱靶距离尽量大，同样也不愿意过度消耗燃料。我采用如下形式的性能指标：

• 追者侧：Jp = α·r_tf² + ∫₀ᵀ (upᵀup) dt
• 逃者侧：Je = -β·r_tf² + ∫₀ᵀ (ueᵀue) dt

其中r_tf是终端时刻相对距离，α、β是权重系数。追者最小化Jp，逃者最小化Je（等价于最大化终端脱靶距离并控制自身能耗）。

注意：性能指标两端的权重必须仔细匹配。如果α远大于β，追者会不惜能耗地冲向终端，这会导致EKF几何误差被放大；如果β过大，逃者全程满机动，参数估计可能掩盖真实机动上限。我在代码里取α=10、β=1，效果比较均衡。

3. 核心算法实现：EKF参数估计与自适应博弈迭代

3.1 EKF递推公式与雅可比矩阵推导

EKF的标准流程是预测-更新两个步骤。预测步根据动力学方程外推状态和协方差：

x_pred = f(x_est, u_p, u_e, dt); A = jacobian_f(x_est, u_p, u_e, dt); P_pred = A * P_est * A' + Q;

更新步用测量新息修正预测值：

H = jacobian_h(x_pred); K = P_pred * H' / (H * P_pred * H' + R); x_est = x_pred + K * (z - h(x_pred)); P_est = (eye(n) - K * H) * P_pred;

这里的核心是实现两个雅可比矩阵。状态方程是线性的，A矩阵几乎可以手写出来：

A = [1, 0, dt, 0, 0; 0, 1, 0, dt, 0; 0, 0, 1, 0, -dt; 0, 0, 0, 1, -dt; 0, 0, 0, 0, 1];

注意第三行第五列和第四行第五列包含了dt，表示未知加速度参数aE对相对速度动力学的影响。测量方程雅可比则需要推导相对距离和视线角对位置的导数：

r = sqrt(x^2 + y^2); H = [x/r, y/r, 0, 0, 0; -y/(r^2), x/(r^2), 0, 0, 0];

这段推导过程中我犯过一个典型错误：直接用数值差分代替解析雅可比，结果在滤波器接近收敛时出现数值不稳定。后来改回解析雅可比，问题立刻消失。

3.2 鞍点方程求解与ε-纳什均衡迭代

得到EKF的状态估计后，博弈解算的关键是求解有限时域内双方的最优控制策略。我把整个末端时段分成N段，每段内的控制量保持恒定，这样控制变量从连续函数退化成了有限维向量：

• 追者控制参数：up1, up2, ..., upN（每个是二维向量）
• 逃者控制参数：ue1, ue2, ..., ueN

目标函数对时间积分用离散梯形公式近似。本质上这是一个双人零和博弈的数值最优问题，理论上可以用同时最优化的方式处理，但实际收敛性很差。我采用的是“交替方向乘子”式的迭代：

1. 用上一轮迭代的逃者控制策略，求解追者的最优控制问题（一个带约束的非线性优化）；
2. 用新得到的追者控制策略，求解逃者的最优控制问题；
3. 重复1-2直到性能指标变化小于阈值。

伪代码结构如下：

for iter = 1:max_iter u_p_new = solve_pursuer(x_est, u_e_now); u_e_new = solve_evader(x_est, u_p_new); eps_now = abs(J_p(u_p_new, u_e_new) - J_p(u_p_now, u_e_now)); if eps_now < eps_tol break; end u_p_now = u_p_new; u_e_now = u_e_new; end

在Matlab里这两个子优化我都用fmincon实现，控制量约束限制在各自最大加速度范围内。实际测试中N=8时，单次博弈解算约需0.5秒，5轮左右收敛，整体开销可以接受。

需要特别说明的是，这种交替迭代在非凸问题中不能保证全局收敛，但对追逃博弈这类一边最小化一边最大化的结构，实测效果一直不错，通常都能得到稳定的鞍点策略。

3.3 自适应策略：估计结果如何反馈到控制律

自适应体现在两个层面。

第一个层面是EKF输出的参数估计值直接进入博弈解算模块。每次重新解算均衡时，逃者最大加速度aE都取当前EKF估计值。这样当逃者真正以接近机动上限做规避时，EKF会迅速调高aE估计值，追者就会相应采取更稳健的拦截策略。

第二个层面是控制周期与EKF更新周期的匹配。我在仿真中让EKF每0.1秒更新一次，博弈解算每0.5秒进行一次，避免高频控制导致的计算负担。中间时刻的控制量则通过线性插值或保持当前最优解来实现。

这种分级实现是我个人复现时调整出来的一个折中方案。如果每个控制周期都重新解算博弈，计算量会直线上升；如果参数估计周期太慢，博弈策略又跟不上对手变化。0.1秒估计、0.5秒寻优这个节奏在仿真里表现很稳，脱靶量几乎不受影响。

4. Matlab代码结构与关键实现片段

4.1 项目文件结构与仿真主循环

我把整个项目拆成几个文件，方便独立调试：

• main.m：仿真主循环，负责初始化、调用各模块、画图；
• dynamics.m：相对运动动力学函数；
• ekf_step.m：单步EKF预测与更新；
• solve_pursuer.m：求解追者最优控制；
• solve_evader.m：求解逃者最优控制；
• compute_jacobian.m：解析雅可比矩阵；
• performance_index.m：离散化性能指标计算。

主循环的逻辑非常直接：

% 初始化状态、协方差、时间参数 X_true = init_state(); X_est = init_estimate(); P = diag([...]); for k = 1:T_total/dt % EKF估计 [X_est, P] = ekf_step(X_est, P, u_p, u_e, z_meas, dt); % 每隔一段重算博弈策略 if mod(k, N_replan) == 0 [u_p, u_e] = solve_game(X_est); end % 真实动力学推进 X_true = dynamics(X_true, u_p, u_e, dt); % 生成测量 z_meas = measurement(X_true); z_meas = z_meas + noise; end

这种结构方便做模块化测试。我做单元测试时是把dynamics和ekf_step单独拿出来跑，确认代码无误后才接入主循环。

4.2 核心函数实现片段

真正核心的代码其实是博弈解算里两个优化问题的目标函数。追者子问题的目标函数是这样的：

function obj = jp_obj(u_params, x_est, u_e, dt, alpha) % u_params为追者分段控制向量（2*N维） N = length(u_params) / 2; up = reshape(u_params, [2, N]); [~, X_traj] = simulate_trajectory(x_est, up, u_e, dt); r_tf = norm(X_traj(:, end)); energy = sum(sum(up.^2)) * dt; obj = alpha * r_tf^2 + energy; end

逃者子问题稍微改一下符号就行，因为逃者需要最小化的是能量代价和负的终端脱靶距离权重之和。控制约束用fmincon的参数传入：

A_ineq = []; b_ineq = []; lb = -a_max * ones(2*N, 1); ub = a_max * ones(2*N, 1); u_p_opt = fmincon(@(u) jp_obj(u, x_est, u_e_now, dt, alpha), ... u_p_init, A_ineq, b_ineq, [], [], lb, ub, [], options);

EKF的更新我已经在前面给过，这里补上初始协方差设置：相对位置初始标准差100m，速度标准差50m/s，未知参数初始标准差0.5 m/s²，这样滤波器能在5秒内把参数误差压到0.1以内。

4.3 仿真参数设置与结果分析

仿真场景设置如下：

• 初始相对位置：(8, 3) km；
• 初始相对速度：(-2.0, 0.5) km/s；
• 末端时间：20秒；
• 控制周期：0.1秒；
• 博弈重新规划周期：0.5秒；
• 追者最大加速度：2.0 m/s²；
• 逃者真实最大加速度：1.5 m/s²；
• 逃者最大加速度先验区间：[1.0, 2.5] m/s²。

我跑了三组对照实验：第一组是不加EKF、直接用错误的1.0 m/s²做常值参数进行博弈；第二组是加EKF但在每个控制周期都重新求解博弈；第三组是加EKF且仅在固定周期重新规划。结果如下：

可以看到，固定周期寻优在几乎不损失控制性能的情况下，计算耗时降低了三分之二。这组结果也验证了论文里“自适应博弈”的核心价值：参数越准，脱靶量越小；而调整参数的收敛速度和估计精度，比单纯减少寻优频率更影响最终性能。

我还画了参数估计曲线：前1秒aE从1.0快速攀升到1.3左右，之后缓慢逼近1.5，伴随小幅波动。波动来源主要是EKF对测量噪声的响应，可以通过调低过程噪声抑制，但过低的代价是估计反应变慢，需要平衡。

4.4 复现中踩过的坑

第一个坑是度量单位的混乱。如果用km和km/s，加速度就是km/s²，数值小到几乎没法看，fmincon的约束优化很容易早停。我后来全部统一成国际单位制，问题立刻消失。

第二个坑是博弈迭代卡在局部较差解。交替优化在初始控制量给得不好的时候，有概率收敛到一组“双方都不机动”的奇怪解。解决办法是用零控制和线性制导律的解作为初始值，收敛稳定很多。

第三个坑是EKF协方差发散。有一次我为了加快参数估计把aE的过程噪声调到了0.1，结果仿真跑到第10秒协方差直接溢出。后来把过程噪声降到0.01以下，并加了协方差上界保护，才算稳定。

5. 常见问题与调试心得速查表

5.1 典型问题与排查方法

我把复现过程中遇到的高频问题整理成一张速查表，遇到类似情况可以按这个排查：

5.2 几个实测有效的调参思路

关于参数估计这块，调Q和R的经验比理论更重要。我实测下来，R如果不匹配真实传感器噪声，EKF会出现“低估噪声导致高估计方差”的怪现象。一个实用技巧是先跑开环仿真，记录测量残差的统计特性，再反过来标定R，效果比盲调好很多。

关于博弈迭代，ε容差不能设置得过于严格。第一次我设到1e-6，结果单轮求解要三四十次迭代，还不一定收敛。后来改成和性能指标量级匹配的相对容差，比如1e-3，迭代稳定性和速度都提升了。

最后还有一个适配仿真环境的经验：Matlab的fmincon默认算法在处理这类分段常值控制问题时经常停留在可行性优化，导致目标函数下降缓慢。我改用内点法并增加最大迭代次数，明显改善。如果追求速度，可以试试fmincon的“sqp”算法，不同问题效果差异很大。

复现完成这版代码后，我最大的体会是：这种估计与控制耦合的博弈问题，真正的难点不是EKF或者纳什求解单个模块，而是两个模块之间的时间尺度匹配和信任关系——EKF对自己的估计越自信，博弈解算就越容易受参数波动影响；反过来如果过度怀疑估计结果，自适应又退化成固定参数设计。把这两个尺度匹配好，整个算法才能稳定工作。后面我打算继续扩展三维场景和鲁棒约束，把这套框架往更接近工程应用的方向推进。