基于状态矢量融合的多基地无源目标运动分析

在多基地独立观测估计的基础上,采用对状态矢量进行数据融合的方法对无源目标运动分析(以下简称ＴＭＡ)问题进行了研究。在双基地的条件下,讨论了当双基地的无源声呐匀采用容易得到的目标方位角、频率的数据测量为输入时的无源ＴＭＡ问题。利用伪线性方法或扩展Ｋａｌｍａｎ滤波方法作预处理后,将所得到的各状态矢量的预估计送入融合中心再进行数据融合,最后实现对目标的最终估计。计算机仿真结果表明:状态矢量融合的方法能够进一步提高对目标运动参数的估计精度,能有效地实现无源ＴＭＡ问题的估计。     

水下无源目标运动分析的修正扩展卡尔曼滤波方法

以水下已知固定深度的三维情形为例,用修正的扩展卡尔曼滤波（EKF）方法探讨了无源目标运动分析（以下简称TMA）问题。首先以无源声呐对目标的方位角、俯仰角和频率测量为依据,建立动态系统模型。然后,从非线性的测量方程入手,对新息以伪线性的处理,推导出一组修正的EKF递推方程组。文中为增加滤波器的稳定性,采取批数据处理的手段,而使滤波效果更加平稳。计算机仿真结果表明:修正的EKF方法所得的误差曲线收敛较好,且误差较小,能有效地提高水下无源TMA问题中的参数估计精度。     

一种水下未知固定深度的被动目标运动分析

本文对水下三维情形的被动目标运动分析（TMA）进行了探讨。文中使用的数据量测是关于目标的方位角、俯仰角和多卜勒频移等,且运动目标与观测平台相对深度固定未知。这是水下一种常见的三维情况。伪线性估计和最大似然估计方法的处理结果表明：由于增大了观测的信息量,运动参数的估计方差收敛性较好,估计性能得到有效改善。伪线性方法的方差估计曲线向CBR界逼近。最后该方法也适合于分析已知固定深度的三维情形与同处一个水平面的二维情形等特殊情况。