基于動態(tài)數(shù)據(jù)驅(qū)動的反潛戰(zhàn)仿真系統(tǒng)目標(biāo)探測設(shè)計(jì)

2018-11-09 03:33:00張翔,李革,王鵬

系統(tǒng)工程與電子技術(shù) 2018年11期

張翔, 李革, 王鵬

(國防科技大學(xué)系統(tǒng)工程學(xué)院, 湖南長沙 410073)

0 引言

反潛戰(zhàn)仿真系統(tǒng)通過對目標(biāo)潛艇建模分析,對其行為狀態(tài)進(jìn)行預(yù)測,為反潛武器裝備研制、反潛作戰(zhàn)能力評估、反潛戰(zhàn)術(shù)戰(zhàn)法研究提供支撐。目前大部分反潛戰(zhàn)仿真模型在仿真開始時使用固定的參數(shù)配置,造成仿真系統(tǒng)不能夠捕捉瞬時的變化,不能夠?qū)撏綔y過程中發(fā)生的實(shí)時情況做出反應(yīng)。動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)(dynamic data driven application system,DDDAS)是一種新機(jī)制,它允許在線測量數(shù)據(jù)動態(tài)同化進(jìn)入正在運(yùn)行的仿真模型中,同時正在運(yùn)行的仿真模型也能反過來控制測量過程[1]。將動態(tài)數(shù)據(jù)驅(qū)動運(yùn)用于反潛戰(zhàn)仿真系統(tǒng)中,實(shí)時融合艦艇真實(shí)測量數(shù)據(jù)進(jìn)入正在運(yùn)行的仿真模型中,減輕模型表示或描述的不準(zhǔn)確性,彌補(bǔ)模型的不完備性,從而改善模型,更加準(zhǔn)確地預(yù)測目標(biāo)潛艇的行為狀態(tài)。反之,利用仿真對潛艇狀態(tài)精確的預(yù)測來動態(tài)控制傳感器實(shí)際的測量行為,改進(jìn)收集數(shù)據(jù)的質(zhì)量,獲得高效準(zhǔn)確的測量結(jié)果。

1 反潛戰(zhàn)DDDAS閉環(huán)回路

1.1 原理描述

數(shù)據(jù)同化是DDDAS的實(shí)現(xiàn)基礎(chǔ),它能夠把實(shí)時測量數(shù)據(jù)和仿真狀態(tài)融合起來,決定真實(shí)系統(tǒng)的狀態(tài)[2]。合理的數(shù)據(jù)同化算法能夠極大地提高仿真模型的準(zhǔn)確性和可信性。測量控制方法是根據(jù)仿真結(jié)果控制聲吶傳感器行為的具體方式,傳感器要求反潛艦針對敵方潛艇進(jìn)行機(jī)動,以便確保對距離的準(zhǔn)確估計(jì)和可觀測性[3]。為了保證艦艇的機(jī)動路徑有利于聲吶傳感器對目標(biāo)的探測,采用測量控制算法規(guī)劃艦艇的機(jī)動路徑。實(shí)時測量的數(shù)據(jù)被同化進(jìn)入反潛戰(zhàn)仿真模型中,仿真系統(tǒng)、測量系統(tǒng)和反潛戰(zhàn)系統(tǒng)形成一個閉環(huán)控制回路。如圖1所示,反潛戰(zhàn)DDDAS有“一大兩小”的閉合回路,分別實(shí)現(xiàn)不同的功能。在DDDAS的大回路中,反潛戰(zhàn)真實(shí)系統(tǒng)產(chǎn)生的測量數(shù)據(jù)傳遞到基于隨機(jī)有限集(random fonite set，RFS)的數(shù)據(jù)同化模塊,然后同化后的數(shù)據(jù)作為基于RFS潛艇模型的輸入,仿真模型預(yù)測潛艇的狀態(tài),反潛艦上的測量控制執(zhí)行器根據(jù)目標(biāo)潛艇狀態(tài)產(chǎn)生控制動作,完成對反潛艦測量傳感器的控制。兩個小回路是“狀態(tài)更新回路”和“動作控制回路”。其中“狀態(tài)更新回路”的作用是對潛艇仿真模型狀態(tài)的更新,基于RFS的測量仿真模型根據(jù)潛艇模型預(yù)測的潛艇狀態(tài),產(chǎn)生預(yù)測測量數(shù)據(jù),再經(jīng)過數(shù)據(jù)同化過程更新潛艇模型的仿真狀態(tài)。“動作控制回路”通過基于RFS的測量控制系統(tǒng)生成控制參數(shù),反潛艦測量傳感器根據(jù)控制參數(shù)進(jìn)行調(diào)整測量角度等相應(yīng)測量動作。

圖1 反潛戰(zhàn)DDDAS的閉環(huán)回路Fig.1 Anti-submarine DDDAS closed loop

1.2 模型及數(shù)據(jù)描述

當(dāng)模型明顯是由一個或多個隨機(jī)變量所決定,并且這些變量分別表示不確定的過程時,這個模型就是隨機(jī)的[4]。有限集統(tǒng)計(jì)學(xué)提供了RFS的數(shù)學(xué)表示和操作,用RFS來建模潛艇狀態(tài)和測量數(shù)據(jù)能使仿真的狀態(tài)空間模型更加通用化,符合潛艇探測過程中的隨機(jī)性和不確定性?；赗FS的測量模型和仿真模型能同時傳遞潛艇的數(shù)據(jù)和狀態(tài)的估計(jì),并且允許描述潛艇狀態(tài)的構(gòu)成向量是隨機(jī)的、不同的和無序的。反潛戰(zhàn)DDDAS的數(shù)據(jù)同化算法采用序貫蒙特卡羅(SMC)的方法實(shí)現(xiàn),SMC是一種粒子濾波算法。傳統(tǒng)的基于SMC的數(shù)據(jù)同化算法是以向量的形式表示數(shù)據(jù),隨機(jī)向量的數(shù)據(jù)同化算法要求每個向量的維數(shù)和元素的順序事先制定并且保持一致。這種測量數(shù)據(jù)的數(shù)據(jù)表示方法不能體現(xiàn)潛艇狀態(tài)的隨機(jī)性,也不能同時估計(jì)潛艇的數(shù)目和每個潛艇的狀態(tài)?？紤]到實(shí)際測量過程的諸多影響,必須采用恰當(dāng)?shù)臄?shù)據(jù)描述,使注入潛艇仿真模型的同化測量數(shù)據(jù)更加準(zhǔn)確真實(shí),盡可能的避免由潛艇數(shù)量、錯誤測量、潛艇規(guī)避動作等因素導(dǎo)致測量數(shù)據(jù)的不確定性。

反潛過程中,潛艇出入戰(zhàn)場探測區(qū)域是隨機(jī)的,并且噪音等雜波的影響增加了潛艇存在的不確定性。為使目標(biāo)潛艇的仿真模型更加準(zhǔn)確和完善,使用狀態(tài)空間模型結(jié)合隨機(jī)有限集來構(gòu)建潛艇仿真模型可以較好地描述目標(biāo)潛艇存在的隨機(jī)性和不確定性。數(shù)據(jù)同化把模型參數(shù)和狀態(tài)當(dāng)作隨機(jī)變量,估計(jì)的不是一個具體的數(shù)值而是每一個變量的狀態(tài)函數(shù),從而仿真模型是用隨機(jī)變量和概率密度函數(shù)構(gòu)建的概率模型。一個隨機(jī)有限集Z={z1,z2,…,zn}可以理解成有限集變量,它可以被建模成離散概率分布ρ(n)=Pr{|Z|=n}和一個對稱的聯(lián)合概率密度fn(z1,z2,…,zn)[5]。

狀態(tài)空間模型演化方程為

Xk=fk|k-1(Xk-1)+vk

(1)

式中,fk|k-1表示演化方程的確定性部分,并且負(fù)責(zé)把狀態(tài)映射到下一個時戳。v是狀態(tài)演化的隨機(jī)部分,它使得數(shù)據(jù)同化變得很必要。為了給出潛艇在戰(zhàn)場的存在性和狀態(tài)的統(tǒng)一的描述,用伯努利隨機(jī)有限集建模潛艇的狀態(tài)并描述潛艇狀態(tài)的動態(tài)演化。

反潛艦上的測量系統(tǒng)探測到敵方潛艇是一個概率事件,所以有時不能探測到潛艇而生成測量數(shù)據(jù)。但是在隨機(jī)有限集框架下構(gòu)建通用測量模型是可實(shí)現(xiàn)的,測量數(shù)據(jù)中的探測不確定性和雜波通過Bernoulli隨機(jī)有限集和Poisson隨機(jī)有限集的疊加來描述[6]。測量系統(tǒng)產(chǎn)生的測量數(shù)據(jù)可以建模成隨機(jī)有限集Z={z1,z2,…,zm},它的優(yōu)勢主要是測量的數(shù)目m=|Z|和構(gòu)成向量z∈Z在測量空間Z?Rnz中是隨機(jī)的,并且對測量數(shù)據(jù)的順序不做假設(shè)要求。測量數(shù)據(jù)集Z的測量模型的數(shù)學(xué)形式為φ(Z|X),其中X是仿真狀態(tài)的Bernoulli隨機(jī)有限集。

2 基于RFS的數(shù)據(jù)同化算法

數(shù)據(jù)同化算法作為數(shù)據(jù)同化的重要組成部分,是連接觀測數(shù)據(jù)與模型模擬預(yù)測的關(guān)鍵核心部分[7]。在反潛戰(zhàn)DDDAS中,重點(diǎn)是把在線測量數(shù)據(jù)同化進(jìn)正在運(yùn)行的仿真模型中,實(shí)現(xiàn)這個過程有兩個關(guān)鍵點(diǎn):一是將數(shù)據(jù)同化過程等同為概率論中的貝葉斯推理,并基于RFS的方式實(shí)現(xiàn);二是以序貫蒙特卡羅粒子濾波(SMC)的方法近似求解狀態(tài)方程。

2.1 基于RFS的貝葉斯推理

數(shù)據(jù)同化是通過仿真模型和測量模型等先驗(yàn)分布推導(dǎo)出后驗(yàn)分布,進(jìn)而更新仿真狀態(tài),從概率論的角度,可以看成是一個貝葉斯推理過程。貝葉斯理論能夠建立不確定性環(huán)境的信任函數(shù),并隨時間推演這些函數(shù)。貝葉斯推理實(shí)質(zhì)是用系統(tǒng)狀態(tài)轉(zhuǎn)移模型預(yù)測狀態(tài)的先驗(yàn)概率密度,再使用最近的觀測值進(jìn)行修正,得到狀態(tài)的后驗(yàn)概率密度。遞推過程可以分為預(yù)測和更新兩個步驟。

利用基于RFS的仿真模型和實(shí)際的測量數(shù)據(jù),k時刻的后驗(yàn)有限集統(tǒng)計(jì)學(xué)密度用潛艇存在的后驗(yàn)概率和空間的后驗(yàn)概率描述。

潛艇存在的后驗(yàn)概率為

qk|k=p{|Xk|=1|Z1:k}

(2)

Xk={x}時潛艇的后驗(yàn)空間概率為

sk|k(xk)=p(xk|Z1:k)

(3)

數(shù)據(jù)同化過程需要同時傳遞式(2)～式(3)的兩個變量。記k-1 時刻仿真狀態(tài)的后驗(yàn)概率為fk-1|k-1(Xk-1|Z1:k-1)?；陔S機(jī)有限集的預(yù)測方程為

fk|k-1(Xk|Z1:k-1)=

(4)

fk|k-1(Xk|Z1:k-1)=fk|k-1(Xk|?)fk-1|k-1(?|Z1:k-1)+

(5)

k-1時刻的后驗(yàn)概率密度函數(shù)是(qk-1|k-1,sk-1|k-1(x)),則從式(5)可以推導(dǎo)出預(yù)測方程為

qk|k-1=pb·(1-qk-1|k-1)+ps·qk-1|k-1

(6)

(7)

在貝葉斯理論中,更新的有限集統(tǒng)計(jì)學(xué)概率密度函數(shù)可以用如下方程計(jì)算，即

(8)

給定測量模型和預(yù)測方程式(6)和式(7),更新方程可以從式(8)推導(dǎo)得出

·qk|k-1

(9)

(10)

2.2 SMC近似求解

(11)

式中,δc(x)是狄克拉函數(shù)。預(yù)測的潛艇存在概率qk|k-1可以通過式(6)計(jì)算得到。根據(jù)式(7),預(yù)測的概率密度函數(shù)需要兩項(xiàng)的和。從而sk|k-1(x)可以通過如下的粒子系統(tǒng)近似為

(12)

粒子從兩個重要性密度中采樣得到ρk和βk[8]，即

(13)

權(quán)重

(14)

式中,Bk是新生的粒子數(shù)目。

(15)

然后依據(jù)式(11),δk近似計(jì)算為

(16)

潛艇存在概率的更新依據(jù)式(9)來實(shí)現(xiàn),對應(yīng)的權(quán)重通過式(10)來實(shí)現(xiàn)，即

(17)

將權(quán)重進(jìn)行歸一化處理,得到歸一化后的權(quán)重為

,i=1,…,N+Bk

(18)

3 基于RFS的測量控制方法

傳感器相對于測量目標(biāo)距離和角度影響著測量數(shù)據(jù)的精確性,測量數(shù)據(jù)的有效性和精確性對于數(shù)據(jù)同化過程十分重要,有效和精確的測量數(shù)據(jù)使?jié)撏У念A(yù)測狀態(tài)和更新狀態(tài)更加精確,從而間接地提高仿真系統(tǒng)的精確度。在反潛戰(zhàn)的DDDAS系統(tǒng)中,測量空間和狀態(tài)空間是確定的,傳感器的測量控制動作決定了獲取的測量數(shù)據(jù)的精確性,最優(yōu)的測量控制動作能保證測量系統(tǒng)的效率最大化并且向數(shù)據(jù)同化過程提供的測量數(shù)據(jù)更精確。在此,以傳感器得到回報(bào)最多的有效測量數(shù)據(jù)作為評判測量動作的標(biāo)準(zhǔn),建立回報(bào)函數(shù)模型。信息論中,測量數(shù)據(jù)即為獲取的信息,回報(bào)函數(shù)作為每一個控制動作帶來的信息增益的評價(jià)標(biāo)準(zhǔn),后延概率密度函數(shù)用于表示不確定性的狀態(tài)。

3.1 回報(bào)函數(shù)

通過基于RFS的貝葉斯推理得到了潛艇的狀態(tài)預(yù)測和更新方程,但無法解析求解。為了建立對信息增益的描述,采用Rényi發(fā)散度作為回報(bào)函數(shù)。Rényi發(fā)散度用來度量兩個概率密度不相似度的程度。反潛戰(zhàn)仿真系統(tǒng)中,潛艇的狀態(tài)具備馬爾可夫鏈屬性,即潛艇的下一狀態(tài)僅與當(dāng)前狀態(tài)有關(guān),與歷史狀態(tài)無關(guān)。所以,當(dāng)前狀態(tài)的概率密度與歷史狀態(tài)概率密度不相似程度越大,即Rényi發(fā)散度越大,信息增益就越大,相應(yīng)的測量控制動作就越好。Rényi發(fā)散度定義為

(19)

式中,α(α≥0)表示對概率分布尾部的重視程度。

令uk表示在tk時刻能夠使測量系統(tǒng)在tk+1時刻接收到測量數(shù)據(jù)而選擇的控制動作,Uk表示在tk時刻可以采用的控制動作的集合,則有uk∈Uk。在tk時刻,不同的控制動作在tk+1時刻產(chǎn)生不同的預(yù)測測量數(shù)據(jù)集合Zk+1,而因?yàn)椴煌瑴y量數(shù)據(jù)經(jīng)同化后形成的仿真模型不同,所以潛艇仿真模型fk+1|k和測量仿真模型φk+1都取決于控制動作uk的選擇。

如式(20),最優(yōu)的控制動作是在每個仿真狀態(tài)中最大化Rényi信息發(fā)散度的控制動作,它的確定需要考慮預(yù)測概率密度函數(shù)p和預(yù)測測量集合Z。

(20)

式中,φ(v,p,Z)是和控制動作v對應(yīng)的實(shí)值回報(bào)函數(shù)。預(yù)測測量集合支持回報(bào)函數(shù)φ的計(jì)算。預(yù)測測量集合是假設(shè)控制動作已經(jīng)執(zhí)行之后獲得的預(yù)測數(shù)據(jù)的集合,會產(chǎn)生不確定性。為了克服這種不確定性的影響,在式(20)中引入期望。式(20)中的回報(bào)函數(shù)是Rényi發(fā)散度為

依據(jù)uk產(chǎn)生預(yù)測概率密度函數(shù)為

fk+1|k(Xk+1|Z1:k,u0:k)=

(21)

依據(jù)預(yù)測測量集合Zk+1的后驗(yàn)密度fk+1|k+1(Xk+1|Z1:k+1,u0:k)由式(8)寫為

fk+1|k+1(Xk+1|Z1:k+1,u0:k)=

(22)

省略φ中的p和Z兩個參數(shù)。依據(jù)式(19),回報(bào)函數(shù)φ可以表示為

(23)

在式(23)中A=fk+1|k+1(Xk+1|Z1:k+1,u0:k),B=fk+1|k(Xk+1|Z1:k,u0:k)。

3.2 回報(bào)函數(shù)的計(jì)算

由于數(shù)據(jù)同化過程和更新過程中的概率密度函數(shù)是伯努利有限集統(tǒng)計(jì)學(xué)概率密度函數(shù),令式(23)中的fk+1|k(Xk+1|Z1:k,u0:k)和fk+1|k+1(Xk+1|Z1:k+1,u0:k)分別用(qk+1|k,sk+1|k(x))和(qk+1|k+1,sk+1|k+1(x))表示。從而可得

(24)

fk+1|k+1(Xk+1|Z1:k+1,u0:k)=

(25)

依據(jù)集合積分規(guī)則,式(23)中定義的回報(bào)函數(shù)φ可以簡化為

φ(uk)=

(26)

依據(jù)式(20),最優(yōu)控制動作可以表示為

(27)

現(xiàn)在通過SMC近似計(jì)算式(27)。計(jì)算所有測量數(shù)據(jù)對應(yīng)的回報(bào)函數(shù)的均值作為φ(v)的值。Zk+1(v)是采用了控制動作v∈Uk后產(chǎn)生的預(yù)測測量數(shù)據(jù)集合,每一個Zk+1(v)都是由預(yù)測概率密度函數(shù) (qk+1|k,sk+1|k(x))產(chǎn)生的。

式(26)中的積分記為

·[sk+1|k+1(x)]αdx

(28)

(29)

將積分代入式(26),每一個控制動作的回報(bào)函數(shù)的計(jì)算如下

(30)

綜上,將φ(v)代入式(27)即可得到最優(yōu)控制動作。

4 仿真實(shí)驗(yàn)

以反潛戰(zhàn)中典型的艦艇反潛為例,驗(yàn)證基于動態(tài)數(shù)據(jù)驅(qū)動的反潛戰(zhàn)仿真系統(tǒng)的可行性和有效性。主要是對數(shù)據(jù)同化算法和實(shí)時測量控制的實(shí)驗(yàn),數(shù)據(jù)同化實(shí)驗(yàn)主要驗(yàn)證數(shù)據(jù)同化過程對仿真模型的校準(zhǔn)效果,測量控制實(shí)驗(yàn)主要驗(yàn)證設(shè)計(jì)的測量控制方法的有效性。

4.1 數(shù)據(jù)同化實(shí)驗(yàn)

假設(shè)在反潛戰(zhàn)系統(tǒng)中,潛艇勻速運(yùn)動,速度近似5節(jié),初始位置位于坐標(biāo)(0,-8 000)(坐標(biāo)單位:m)。反潛艦速度為4節(jié),初始位置(0,0)m。掃描周期是30 s,探測概率近似高斯分布σD=5 000。每次掃描獲得的雜波數(shù)服從泊松分布λ=1。數(shù)據(jù)同化過程的參數(shù)是:粒子數(shù)N=5 000,出生概率pb=0.01。

若探測傳感器準(zhǔn)確測量目標(biāo)潛艇的位置(0,-8 000)m,通過潛艇仿真模型得到準(zhǔn)確的軌跡為圖2中藍(lán)色軌跡,在此處假設(shè)為潛艇的真實(shí)軌跡。而這在現(xiàn)實(shí)環(huán)境中幾乎難以做到,探測過程必然存在偏差。假設(shè)實(shí)際探測到潛艇的位置是(500,-8 500)m,通過潛艇仿真模型得到的軌跡為圖中紅色軌跡,很明顯探測的誤差使仿真模型運(yùn)行的結(jié)果造成了很大的偏差,仿真結(jié)果甚至是不可用的。為仿真模型加入數(shù)據(jù)同化過程,將測量數(shù)據(jù)同化后作為模型的輸入。如圖2所示,綠色軌跡為同化后的仿真模型運(yùn)行的潛艇軌跡,同樣把存在誤差的探測結(jié)果輸入仿真模型,但一段時間后向潛艇真實(shí)軌跡接近并且逐漸收斂,仿真結(jié)果是有效可信的。對同化前后的潛艇位置進(jìn)行誤差分析對比,同化前探測誤差對仿真軌跡造成的偏差越來越大,而同化過程不斷校準(zhǔn)仿真模型使位置偏差保持收斂,從而大大提高了仿真精確度。

圖2 潛艇真實(shí)及同化前后仿真軌跡圖Fig.2 Submarine’s real trajectory and simulation trajectorybefore, after assimilate

圖3 數(shù)據(jù)同化前后誤差RMSFig.3 Position Error before and after data assimilate

4.2 測量控制實(shí)驗(yàn)

在第1個實(shí)驗(yàn)的基礎(chǔ)上,在t=51時刻加入測量控制過程,控制動作設(shè)置為對測量傳感器的角度控制。反潛艦的速度是4節(jié),朝向是-20°。行駛完一段之后,測量傳感器根據(jù)回報(bào)函數(shù)調(diào)整角度以獲取最優(yōu)測量數(shù)據(jù)。pD,max=0.98表示傳感器最大探測概率為0.98。以X軸正方向?yàn)?°,將角度范圍確定在[-180°,180°)之間,以20°為間隔劃分18個方向,從每個方向θ=-180°,-160°,…,160°中找出最優(yōu)的角度。通過固定θ角獲得t=51時刻的RMS位置誤差,令500次蒙特卡羅仿真計(jì)算的誤差平均值作為RMS位置誤差。

實(shí)驗(yàn)計(jì)算的18個方向角度的RMS位置誤差如圖4所示,從-180°開始RMS位置誤差逐漸增大,到20°時達(dá)到最大,然后一直到160°開始減小。RMS位置誤差越小,則表示選取的角度越好,可知在t=51時刻將傳感器角度調(diào)整為-180°為此時最優(yōu)控制動作,傳感器可以獲取最優(yōu)的測量數(shù)據(jù)。在500次蒙特卡羅仿真中,各個角度被測量控制算法選中的次數(shù)如圖5。對應(yīng)圖4,位置誤差越大的角度被選中的次數(shù)越小,最優(yōu)角度-180°被選中了203次。通過實(shí)驗(yàn)表明測量控制算法能夠?yàn)閭鞲衅鳙@取最優(yōu)測量數(shù)據(jù)提供有效可信的控制動作,即傳感器調(diào)整的角度。

圖4 不同角度RMS位置誤差Fig.4 Position Error in different angle

圖5 測量控制算法的不同角度選擇次數(shù)Fig.5 Number of different angles measurement control algorithm has chosen

5 結(jié) 論

基于動態(tài)數(shù)據(jù)驅(qū)動的反潛戰(zhàn)仿真系統(tǒng)有效的將真實(shí)反潛戰(zhàn)系統(tǒng)與虛擬反潛戰(zhàn)仿真模型結(jié)合,使仿真可以在執(zhí)行過程中動態(tài)地從真實(shí)系統(tǒng)接收數(shù)據(jù)并做出響應(yīng),反過來,仿真結(jié)果也可以動態(tài)地控制真實(shí)系統(tǒng),指導(dǎo)測量控制過程。為完善改進(jìn)目標(biāo)潛艇的仿真模型,采用RFS理論構(gòu)建仿真模型,能很好的描述現(xiàn)實(shí)戰(zhàn)場空間中潛艇的存在狀態(tài)。用粒子濾波的近似求解方法解決了基于RFS的潛艇狀態(tài)方程無法求解析解的問題,建立評判傳感器測量效果的回報(bào)函數(shù),并確定最優(yōu)控制動作。在艦艇反潛作戰(zhàn)場景下,進(jìn)行數(shù)據(jù)同化實(shí)驗(yàn)和測量控制實(shí)驗(yàn),仿真結(jié)果表明提出的數(shù)據(jù)同化算法能夠同化真實(shí)測量數(shù)據(jù),提高仿真模型精確度,測量控制方法能夠得到獲取最優(yōu)測量數(shù)據(jù)的傳感器動作控制方案。本文設(shè)計(jì)利用數(shù)據(jù)同化算法和測量控制優(yōu)化決策方法,形成了反潛戰(zhàn)的DDDAS系統(tǒng),提高對潛艇目標(biāo)的探測精度。