二十一世纪尖端科技的发展对现代战争环境产生了深远的影响,各国在武器装备研发中越来越重视弹药智能化水平的提升。本文以智能反坦克BAT子弹药为应用背景,开展了(弹载)运动声阵列对单个典型装甲声目标的快速跟踪理论研究,全文研究的主要内容包括:被动声信号特性研究、目标观测信号的快速预处理研究、被动声目标快速特征提取研究、弹载声阵列对地面目标跟踪数据关联及航迹预测研究以及机动目标的快速跟踪滤波算法研究,具体归纳如下:(1)被动声信号特性研究。以典型装甲目标声信号产生机理及特性为基础,分析了声目标的声源特性,探讨了声信号在大气中的传输特性,给出了空气中声波传播模型和声速线性化模型,分析了声速随高度、温度变化的关系,研究了声信号在大气中的衰减规律以及声信号传播的多普勒效应,利用战场声信号复杂性及被动声探测双点源指向性,指出被动声探测的“盲特性”,通过目标声信号的产生机理,信号相空间重构及Lyapunov指数计算,验证了典型被动声目标辐射声信号的混沌性。(2)运动声阵列观测信号预处理方法研究。即目标观测信号的快速预处理研究,阐述了多传感器一致性数据融合的必要性,分析了传统数据一致性融合算法及其缺陷,结合本文研究的典型目标声信号特性,提出一种基于频谱相似性的数据一致性算法,通过半实物仿真试验验证了其可行性。针对单通道信号的自适应降噪问题,给出一种基于自适应经验模态分解算法的信号恢复方法,通过“静态”及“动态”半实物仿真试验进行了验证;针对阵列多传感器观测信号的快速降噪问题,提出了一种基于改进集合经验模态分解与信息融合理论的观测信号预处理算法,并通过多通道信号半实物仿真试验验证了算法的有效性。(3)被动声目标特征提取、选择及可分性研究。研究了传统的过零率、能量比等特征提取算法,针对传统特征提取算法的不足,提出一种基于改进集总经验模态分解和能量向量分析的声信号特征提取方法,通过目标实测信号的特征选取试验,验证了该算法的有效性。针对典型装甲目标的非线性特征,引入了数学形态学、分形几何理论,分析了几种传统分形维数估计方法,针对其中盒维数估计法计算复杂度较高的缺陷,研究了基于数学形态学的分形维数估计方法,并将其引入被动声信号的混沌特征提取中,最后,对战场目标声信号的过零率特征、能量向量特征以及非线性特征进行了可分性量化分析。(4)运动声阵列对声目标跟踪数据关联及航迹预测算法研究。针对运动声阵列目标跟踪数据关联快速性问题,从两个方面进行了研究。1)针对高斯线性系统下的目标跟踪数据关联问题,给出适合运动声阵列跟踪系统数据关联的基本模型和问题假设;把数据关联观测空间视为距离空间,将关联处理问题转化为一类组合优化问题,将蚁群算法引入目标跟踪数据关联中;针对标准蚁群算法的早熟收敛和容易陷入局部最优解的缺陷,将精英蚂蚁思想和优化排序策略引入标准蚂蚁系统,形成改进的蚁群算法,并将其与数据关联相结合,提出基于优化蚁群算法的数据关联方法,并通过线性高斯系统模型下的目标跟踪仿真试验,验证了该算法的快速性和有效性。2)针对高斯非线性系统下的目标跟踪数据关联问题,在己有的优化蚁群数据关联算法模型基础上,将其与粒子滤波相结合,给出一种优化蚁群数据关联融合粒子的数据关联方法,并通过高斯非线性条件下的单目标跟踪仿真试验验证了所提算法的有效性。此外,针对目标航迹预测数据计算成本过高的问题,利用灰色理论在预测中需要“少数据、贫资料”的优势,提出一种基于灰色残差修正的单目标航迹预测方法。分析了灰色理论及灰色模型,研究了标准灰色航迹预估模型GM(1,1)存在的缺陷,并对此提出了两种基于灰色残差修正模型:标准灰色残差修正模型和灰色Verhulst残差修正模型,并通过实例证明了本文所提灰色残差修正算法的有效性和优越性。(5)运动声阵列对被动声目标快速跟踪滤波算法研究。根据运动声阵列跟踪系统的动态模型,针对声目标机动辨识和机动目标快速跟踪,提出了两种机动目标快速跟踪方法。一是基于高斯、非线性系统假设下的跟踪滤波算法。简要分析卡尔曼滤波、扩展卡尔曼滤波、无味变换及无味粒子滤波;结合跟踪滤波估计实时性要求,针对无味粒子滤波的Sigma点选取策略,提出了一种基于改进无味粒子滤波的交互式多模型目标跟踪算法,通过仿真验证了所提算法的有效性和快速性。二是基于非高斯、非线性系统假设下的跟踪滤波算法。给出了有色噪声条件下,运动声阵列对目标跟踪的模型;针对机动目标最优模型组快速选取问题,提出了一种新的基于快速交互多模型与扩展Viterbi算法机动目标跟踪方法,并通过Matlab仿真试验验证了本文所提算法在确保跟踪精的同时,进一步提高了目标跟踪算法的实时性。