论文部分内容阅读
由于海洋环境的复杂多变以及我国海边日益严重的形势,潜艇对人们探索未知的海洋以及保护我国领土的完整和海洋周边的权益发挥着越来越重要的作用。在潜艇对敌舰目标的打击中,快速精准的跟踪与定位是提高潜艇作战效率最重要的方法。因此,如何实现潜艇对敌舰目标快速精准的跟踪与定位成为国内外众多专家研究的热点。本文首先对潜艇对敌舰目标跟踪与定位系统的可观测性进行研究。研究系统可观测性最主要的目的是为了加深对该系统可观测性的认识和理解,并且为潜艇对目标定位与跟踪算法研究提供理论基础和依据。接着本文在卡尔曼滤波的基础上,展开了潜艇对敌舰目标跟踪与定位的非线性滤波算法研究。本文介绍了卡尔曼滤波的原理,卡尔曼滤波在系统为线性条件时,为最优的滤波方法。但是实际上潜艇对敌舰目标的定位与跟踪是非线性系统,因此本文研究了两种最常用的非线性滤波即扩展卡尔曼滤波算法(EKF)和无迹卡尔曼滤波算法(UKF)。通过仿真对EKF算法和UKF算法对敌舰目标的跟踪与定位的性能进行了对比。由仿真实验可知与EKF算法相比,UKF算法提高了潜艇对敌舰目标跟踪与定位的精度,并且还解决了其发散的问题。在仿真实验中,潜艇对敌舰目标定位与跟踪12s后,利用EKF出现了发散的状况,无法实现对敌舰目标精准的定位与跟踪,这降低了潜艇在现代化战争中的作战效率;而此时UKF仍然能够较好的实现对敌舰目标的跟踪与定位。然后针对潜艇在水下面临的环境复杂多变,且其受到的噪声有可能不是高斯噪声这一问题。本文还研究了针对非线性、非高斯系统的滤波算法即粒子滤波(PF)。但是在使用PF时,所面对的最大问题就是粒子退化问题。为了解决粒子退化问题对潜艇对敌舰目标跟踪与定位精度的影响,本文还研究了粒子滤波的改进算法即扩展卡尔曼粒子滤波算法(EPF)和无迹卡尔曼粒子滤波算法(UPF)。在相同的初始条件下,对三种滤波算法进行仿真。由仿真的结果可知在潜艇对敌舰目标的跟踪与定位中,滤波效果最好的是UPF算法。最后,为了适应敌舰目标发生机动这一情况,本文还讨论了交互多模型滤波算法(IMM)。通过仿真实验可知,敌舰目标在发生机动时,利用IMM算法可以较好的实现对敌舰目标的定位与跟踪。