基于方位和时延量测的水下目标跟踪技术研究
摘要
随着世界各国逐步认识到海洋权益的重要性，水下目标跟踪技术成为一个重要的研
究领域。由于潜艇等水下隐蔽技术的提高，对被动探测系统的性能要求更高。因此，主
动声呐系统具有可控的增益和较高的探测精度，被广泛地应用在民用产品和其他海洋产
品。基于方位和时延量测信息的声呐系统，其量测方程相对目标的运动状态是非线性的，
常见的线性滤波算法无法直接实现目标跟踪，且噪声干扰的环境中，量测数据集合需要
进行数据关联处理。在此背景下，论文针对基于方位和时延量测的水下目标跟踪技术展
开研究。
论文首先基于方位和时延量测信息的声呐系统构建目标的运动模型和量测模型。对
比分析扩展卡尔曼滤波、转换量测卡尔曼滤波和无迹卡尔曼滤波的滤波效果，证明选择
扩展卡尔曼滤波作为非线性滤波的优势。在含有杂波干扰的量测集合中，仿真分析比较
最近邻数据关联和概率数据关联的跟踪性能。仿真分析交互式多模型-概率数据关联在
杂波环境的机动目标跟踪，并与基于线性运动模型的滤波算法进行对比。
其次，研究基于方位和时延量测信息的多目标跟踪技术。仿真分析比较联合概率数
据关联和高斯混合概率假设算法的跟踪性能和优缺点。采用最优子模式分配评价多目标
跟踪性能。在已知多目标运动数目的条件下，分析两种跟踪算法的跟踪误差、算法运行
时间。在变化多目标运动数目的条件下，分析高斯混合概率假设算法对不同轨迹的数目
估计和跟踪性能。
最后，针对未知激励和量测噪声协方差导致目标跟踪性能下降的问题，提出一种基
于变分贝叶斯估计优化的目标跟踪算法。将系统模型与变分贝叶斯估计理论结合，完成
优化算法的理论推导，仿真分析优化算法的迭代收敛性和稳定性。仿真分析优化算法与
概率数据关联、高斯混合概率假设算法结合的跟踪效果，结果表明优化算法可以有效地
实现对激励和量测噪声协方差的估计，得到精度更高的跟踪轨迹。优化算法结合回波信
号的多普勒信息，采用粒子群算法估计目标的矢量速度，并与滤波估计状态进行简单凸
组合融合，获得更高的航迹质量。
关键词：水下目标跟踪；方位和时延量测；数据关联；高斯混合概率假设；变分贝
叶斯估计
基于方位和时延量测的水下目标跟踪技术研究
ABSTRACT
Withtheworldgraduallyrealizetheimportanceofmaritimerightsandinterests,underwater
targettrackingtechnologyhasbecomeanimportantresearchfield.Duetotheimprovementof
underwaterconcealmenttechnologysuchassubmarine,theperformanceofpassivedetection
systemisrequiredtobehigher.Therefore,activesonarsystemsarewidelyusedincivilproducts
andothercivilianindustryproductduetotheircontrollablegainandhighdetectionaccuracy.
Insonarsystembasedonbearingandtimedelaymeasurementinformation,themotionstateof
themeasurementequationrelativetothetargetisnonlinear,commonlinearfilteringalgorithms
cannotdirectlyachievetargettracking,andinthenoiseinterferedenvironment,the
measurementdatasetneedstobeprocessedbydataassociation.Underthisbackground,the
underwate