论文部分内容阅读
水下目标运动要素估计是水下无人航行器(Unmannd Underwater Vehicle，UUV)实现水下目标探测的核心技术之一。在水下目标运动要素估计中，针对传统非线性滤波算法受统计特性不确定的噪声影响导致估计精度低的问题，本文基于卡尔曼滤波理论和最大方位角变化率原则，开展了水下目标运动要素估计方法研究，主要研究内容包括以下几个方面: 首先，建立了用于测向交叉定位的水下静止目标运动模型和卡尔曼滤波框架下的水下匀速直线运动目标的系统方程和观测方程，完成了水下静止目标运动模型和匀速直线运动目标运动模型的可观测性分析。 其次，针对UUV平台被动探测信息中野值的突变性和高维度非线性水下匀速直线运动目标系统噪声统计特性不确定的问题，基于时间滑窗原理和极大后验估计原理(Maximum a Posterior，MAP)，分别设计了一种被动声纳异常值剔除方法和一种带噪声统计特性估计器的容积卡尔曼滤波算法(Cubature Kalman Filter with Noise Statistic Property Estimator,CKFNSPE)。 再次，为了提高水下目标运动要素的估计精度，设计了基于最大方位角变化率的UUV机动路线优化方法。基于Fisher信息矩阵（Fisher Information Matrix，FIM）方法，分析了机动条件下，UUV运动路线对目标运动要素估计精度的影响。介绍了最大方位角变化率原则，得出了基于最大方位角变化率的UUV运动路线优化方法，可保证水下目标运动要素的估计精度。 最后，设计了典型案例，开展了水下目标运动要素估计的仿真实验。仿真结果表明:本文设计的被动声纳数据处理及滤波方法正确有效、具有较好的容错性;基于最大方位角变化率的UUV运动路线优化方法合理，可用于水下目标的运动要素估计并指导UUV对水下目标的跟踪。