基于水下战系统的目标运动分析研究与应用

摘要

随着现代科学技术的飞速发展，定位技术已广泛应用于航空、航海、交通等民用和军事领域。在现代作战环境下，获得敌方目标的具体位置信息非常重要，不仅有助于了解目标的军事部署，而且可在威胁来临之前消灭目标。水下目标定位是目标定位中很重要的一部分，但由于水下环境复杂，电磁波在水中严重衰减，导致水下目标的定位困难。目前，被动声纳在接收目标辐射噪声时，不但可提取目标方位，而且能获得目标的多普勒频率信息。因此，对基于方位和多普勒频率的水下目标进行定位的研究，具有理论意义和实际工程应用价值。
　　本文主要根据目标方位和多普勒频率信息，提出了两种目标运动分析算法，研究内容如下：
　　首先提出了基于多普勒频率空间优化搜索的目标运动分析算法。针对观测数据中可能出现异常数据的问题，对方位序列信息作预处理，可减少结果误差。在多普勒频率空间里，传统的搜索匹配算法由于搜索精度的不确定性，导致算法结果收敛缓慢或者计算效率降低。本文将滤波方程从非线性领域映射为形式简洁的线性领域，在对多普勒频率匹配时，将对搜索元素的目标函数最佳估计问题转化成一个多峰值非线性的优化问题，给出了一种全局搜索与局部搜索相结合的优化匹配算法。该算法通过全局搜索确定重点区域，提高搜索元素的精度，局部搜索重点区域使目标函数最佳。实验表明，该算法提高了目标参数的精度。
　　然后研究了基于多普勒频率的自适应卡尔曼滤波目标运动分析算法。此算法解决了第一个算法无法去除噪声的问题，同时第一个算法可为其提供滤波初值，避免了初值对滤波的影响。根据目标的状态方程和测量方程，设计了基于方位与多普勒频率的卡尔曼滤波方程。在被动工作状态下，使用卡尔曼滤波算法对目标进行跟踪时，会发生结果发散、收敛速度缓慢和收敛精度低等现象。该算法实时更新估计过程噪声和测量噪声的统计特性，对观测模型线性化引起的误差进行动态补偿。实验表明，该算法降低了由观测误差引起的不良影响，提高了结果精度。
　　最后将本文提出的两种目标运动分析算法应用于水下作战系统。设计了潜艇的作战流程，主要包含了对目标的探测、跟踪、数据处理、威胁评估、目标运动参数分析以及对敌实施鱼雷攻击等功能。仿真结果表明采用本文所提的目标运动分析算法提高了鱼雷命中目标的概率。

目录

封面

声明

中文摘要

英文摘要

目录

注释表

第一章 绪论

1.1选题背景与研究意义

1.2目标运动分析算法研究现状

1.3论文研究内容及组织结构

第二章 基于多普勒频率空间优化搜索的目标运动分析

2.1 基于多普勒频率的目标运动分析算法框架

2.2 全局搜索与局部搜索相结合的空间优化方法

2.3 本章小结

第三章 基于多普勒频率的自适应卡尔曼滤波目标运动分析

3.1 卡尔曼滤波算法在目标运动分析的应用

3.2 卡尔曼滤波发散的抑制

3.3 增益矩阵以及过程和测量的协方差矩阵的自适应调节

3.4 仿真实验结果与分析

3.5 本章小结

第四章 基于多普勒频率的目标运动分析算法在水下战系统中的实现与应用

4.1水下战系统的发展概述及趋势

4.2基于水下战系统的目标运动分析算法的实现与应用

4.3本章小结

第五章 总结与展望

5.1 论文总结

5.2 研究展望

参考文献

致谢

在学期间的研究成果及发表的论文