基于贝叶斯估计的水声目标被动TMA方法研究.pdfVIP

基于贝叶斯估计的水声目标被动TMA方法研究

摘要

水声被动目标运动分析（TMA）技术旨在估计目标的运动轨迹和状态参数等关键

信息，具有十分重要的军事意义。本文运用贝叶斯类非线性滤波算法，聚焦观测站在非

机动情况下的应用场景，完成了对水声目标被动TMA问题的相关方法研究。

本文首先研究了系统可观测性分析问题，该问题是开展目标运动分析模型研究的

前提和基础。运用线性系统分析法，推导了非机动观测站情况下纯方位二维目标运动

分析模型以及基于俯仰—方位—频率的三维目标运动分析模型的可观测性结论，并借

助几何分析法直观清晰地说明了所得结论的统一性，为后续非线性滤波算法在目标运

动分析模型中的应用作好铺垫性研究。

其次，水声目标被动TMA问题中的模型具有高度非线性的特点，因而无视系统是

否线性高斯的粒子滤波算法是本文的研究重点。针对粒子滤波算法中存在的粒子退化

导致滤波精度下降问题，讨论了无迹粒子滤波算法通过优化重要性采样过程提高滤波

精度的原理，并在此基础上研究了一种利用智能搜寻方法优化重采样过程的SM-

LOUPF目标状态估计算法。该算法将蜘蛛猴优化（SMO）算法与线性优化（LO）重采

样方法结合，平衡了似然区附近粒子权值的同时，融入了SMO算法中裂变融合优化搜

寻目标最优解的思想。仿真试验表明，相较于传统的无迹卡尔曼滤波、粒子滤波以及无

迹粒子滤波算法，SM-LOUPF算法有效增加了粒子多样性，在量测误差较大、粒子数

较少的情况下仍可保持较高的滤波精度。

最后，本文基于二维平面和三维空间两类TMA模型验证SM-LOUPF算法提升估

计精度的有效性。首先以水平线阵作为观测站，对纯方位二维目标运动分析模型进行

了研究，使用不同贝叶斯类非线性滤波算法对目标的航向及初距速度比进行估计；另

一方面，本文利用垂直线阵与水平线阵联合作为观测站，对方位—频率—俯仰三维目

标运动分析模型进行了研究，使用不同贝叶斯类非线性滤波算法对目标的三维运动状

态参数进行估计，通过仿真试验和海试数据分析，完成了SM-LOUPF算法在二维和三

维目标运动分析模型中的性能验证。

关键词：目标运动分析；可观测性；贝叶斯估计；粒子滤波；水声目标跟踪

基于贝叶斯估计的水声目标被动TMA方法研究

ABSTRACT

Thepassiveunderwateracoustictargetmotionanalysis(TMA)technologyaimsto

estimatethekeyinformationsuchasthetargetmotiontrajectoryandstateparameters,which

isofgreatmilitarysignificance.Inthispaper,aBayesiannonlinearfilteringalgorithmis

appliedtofocusontheapplicationscenariosoftheobservatoryinnon-motorisedsituations,

andarelatedmethodologicalstudyoftheunderwateracoustictargetpassiveTMAproblemis

completed.

Thispaperfirstlyinvestigatesthesystemobservabilityanalysisproblem,whichisthe

premiseandfoundationforcarryingouttheresearchontargetmotionanalysismodel.The

linearsystemanalysismethodisusedtoderivetheobservabilityconclusionsofthebear