随着科学的发展以及技术的进步,战争形式发生了很大的改变。武器的破坏力越来越大,精准打击能力也逐渐增强,战场环境日益复杂。导弹技术的不断发展使得其使用范围由陆地延伸到海洋,成为海洋战场中非常重要的一种武器。但由于海洋中存在着各种各样的不确定因素,例如风、浪等,这就使得对目标进行识别、跟踪以及进一步实施精确打击的难度大大增加。且末制导阶段相对速度很大,只有较短的时间可以用于精确制导,所以要求能够在有限时间内完成控制要求。本文以海杂波背景下对弹道导弹的拦截过程为研究对象,主要研究了目标的检测与识别、跟踪滤波算法以及有限时间收敛导引律,具体研究内容包括:对海杂波的特性以及建模方法进行了研究,建立了几种典型的统计模型。研究了目标检测算法。首先对固定门限检测方法进行了简单的分析,然后研究了自适应门限检测方法。CA-CFAR在均匀噪声的背景下具有良好的检测性能,但存在目标遮蔽效应而且非均匀噪声的背景下会在杂波边缘处产生虚警和漏警;SO-CFAR能够成功解决目标遮蔽效应以及杂波边缘处的漏警问题,但是同时它也增加了在杂波边缘发生虚警的概率;GO-CFAR能够解决杂波边缘处的虚警问题,但无法解决目标遮蔽效应;OS-CFAR可以解决临近目标的遮蔽效应,而且没有像SO-CFAR那样抬高目标两侧的门限值。研究了对目标的跟踪滤波。首先建立了以相对位置、相对速度、目标加速度为状态量的三维系统模型,使用卡尔曼滤波器对其状态量进行估计。当目标加速度不变时,估计误差较小;但当目标做蛇形机动时,虽然也能对系统的状态量做出估计,但存在较大的滞后。接着建立了以相对距离、相对速度、目标加速度以及目标加加速度为状态量的四维系统模型,在此基础上设计的卡尔曼滤波器对目标加速度的估计效果要好很多。以上设计的滤波器都默认目标的机动频率是可以准确获取的,但在实际的工程应用中却难以精确地测量到这个信息。为此在四维模型的基础上加入目标机动频率为状态量建立了五维系统模型。此时模型不再是线性的,使用扩展卡尔曼滤波器可以顺利的估计出目标的加速度、加加速度以及目标的机动频率,但对初始值有一定的要求,鲁棒性较差。继续进行改进,使用多模型滤波算法,算法中的每个模型集都为四维的卡尔曼滤波器。这种算法可以快速地匹配到精确的模型,使得目标机动频率的估计值收敛到其真实状态,且在未匹配到精确模型之前,目标机动频率的估计值与真实值也一直非常接近,效果明显比扩展卡尔曼滤波器更好。研究了有限时间收敛控制理论,并在此基础上推导出了二维平面下的有限时间收敛导引律,且将其扩展到了三维空间中。主要分为三种情形:一是目标不机动情况下的导引律,二是目标机动但可以获取目标有效信息情况下的导引律,三是目标机动且无法获取目标有效信息情况下的导引律。和常用的比例导引律比较,这种导引律可以使视线角在有限时间内收敛到零,从而完成对目标的准平行接近,具有较高的精度。