随着不依赖空气推进装置技术、综合减震降噪技术等新兴技术在潜艇上的应用,使得潜艇的隐蔽性进一步增强,潜艇在海战中的作用得以凸显。因此如何在海战中及时有效地探测识别与跟踪潜艇成为反潜中的重要问题。单一利用声呐这一类声学探测已经不能满足日益复杂的海洋环境,在潜艇的不同运动阶段,利用不同的传感器装置对其进行探测成为研究的重点。本课题考虑潜艇目标从出港阶段到深潜阶段再到巡逻阶段的过程中,如何在广域海面内发现潜艇目标,进而识别与跟踪潜艇。不同阶段采用不同的传感器,覆盖不同的探测手段与探测原理。出港阶段,即潜艇目标在港口停靠或是在海面航行;深潜阶段利用潜艇潜入水下;巡逻阶段即潜艇到达目标海域附近进行巡逻。针对于不同的阶段,主要内容包括:首先,在潜艇的出港阶段,潜艇在港口停靠或在水面上航行,受到距离限制,无法通过部署声呐等手段进行探测,可以利用天基遥感卫星对其进行成像侦查。本阶段主要解决的问题是在复杂海面上对潜艇目标的搜索与探测,本文通过采集的带有目标的海面光学遥感图像,利用卷积神经网络(CNN)与滑窗检测相结合的方式类进行潜艇目标的检测搜索。因为滑窗检测是对整个待检测图像的遍历搜索,因此为了更快速有效地找到目标,引入Faster R-CNN算法的框架,对潜艇目标进行目标检测,并对其中的特征提取网络进行优化,以达到更佳的检测效果。在潜艇的深潜阶段,潜艇在水下航行,因为海面介质的特殊性,SAR、光学传感器等无法透过海水直接对水下目标探测,而潜艇在水下航行,会在海面上形成内波尾迹,这种尾迹持续时间长,且尺寸较大,利用SAR可以对其进行成像侦查,进而实现对潜艇的间接探测。为了更好地实现内波探测,可以利用水动力学原理,实现对潜艇内波尾迹的建模仿真,对线性粗糙海面进行建模,并利用双尺度法对大尺度海面进行电磁散射分析,而后进行SAR成像仿真。在进行探测中,舰船尾迹可能会对内波尾迹产生干扰,因此利用卷积神经网络实现对内波尾迹与舰船尾迹的分类识别,以更好地甄别潜艇内波。最后,在巡逻阶段,通过提前部署的被动声呐阵列与航空抛洒的主动声呐浮标实现对潜艇目标的跟踪,本文利用无迹卡尔曼滤波(UKF)实现对潜艇目标的滤波跟踪,为了提高跟踪精度,同时保持系统鲁棒性,利用分布式航迹融合算法实现对主动声呐、被动声呐的航迹融合,得到融合航迹,实现对潜艇目标的融合跟踪。