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ＣＲＢ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．

水下三维被动目标运动分析的相关性数据融合方法

提出一种新的数据融合方法来研究水下三维情形的TMA(目标运动分析)问题.以被动声纳关于目标的方位角、高低角和多途时延等3种数据的测量为例,首先分组处理,得到目标状态参数的初步估计;然后在考虑组合数据间相关性的前提下,用数据融合方法来实现水下三维被动TMA.仿真结果表明:数据融合后的参数估计误差曲线收敛性更好,收敛速度更快,估计精度明显提高.该方法能够在水下潜艇上实现,因而对水下航行有一定的实际意义.

双基地的被动TMA及其性能研究

本文研究了双基地联合的目标运动分析 (TMA)问题。在双基地条件下 ,以被动声纳较容易得到的目标方位、频率数据测量为依据 ,用数据融合方法对目标运动参数进行估计 ,并讨论了它的Cramer Rao界。然后用具体实例对伪线性、扩展Kalman滤波方法的处理过程以及Cramer Rao界进行了计算机仿真。其结果表明 ,数据融合的被动TMA方法能使定位误差椭圆明显缩小 ,估计精度得到很大改善 ,实现了对目标运动参数的有效估计。上述方法能推广到多基地的情形。