随着现代科学技术的飞速发展,定位技术已广泛应用于航空、航海、交通等民用和军事领域。在现代作战环境下,获得敌方目标的具体位置信息非常重要,不仅有助于了解目标的军事部署,而且可在威胁来临之前消灭目标。水下目标定位是目标定位中很重要的一部分,但由于水下环境复杂,电磁波在水中严重衰减,导致水下目标的定位困难。目前,被动声纳在接收目标辐射噪声时,不但可提取目标方位,而且能获得目标的多普勒频率信息。因此,对基于方位和多普勒频率的水下目标进行定位的研究,具有理论意义和实际工程应用价值。本文主要根据目标方位和多普勒频率信息,提出了两种目标运动分析算法,研究内容如下:首先提出了基于多普勒频率空间优化搜索的目标运动分析算法。针对观测数据中可能出现异常数据的问题,对方位序列信息作预处理,可减少结果误差。在多普勒频率空间里,传统的搜索匹配算法由于搜索精度的不确定性,导致算法结果收敛缓慢或者计算效率降低。本文将滤波方程从非线性领域映射为形式简洁的线性领域,在对多普勒频率匹配时,将对搜索元素的目标函数最佳估计问题转化成一个多峰值非线性的优化问题,给出了一种全局搜索与局部搜索相结合的优化匹配算法。该算法通过全局搜索确定重点区域,提高搜索元素的精度,局部搜索重点区域使目标函数最佳。实验表明,该算法提高了目标参数的精度。然后研究了基于多普勒频率的自适应卡尔曼滤波目标运动分析算法。此算法解决了第一个算法无法去除噪声的问题,同时第一个算法可为其提供滤波初值,避免了初值对滤波的影响。根据目标的状态方程和测量方程,设计了基于方位与多普勒频率的卡尔曼滤波方程。在被动工作状态下,使用卡尔曼滤波算法对目标进行跟踪时,会发生结果发散、收敛速度缓慢和收敛精度低等现象。该算法实时更新估计过程噪声和测量噪声的统计特性,对观测模型线性化引起的误差进行动态补偿。实验表明,该算法降低了由观测误差引起的不良影响,提高了结果精度。最后将本文提出的两种目标运动分析算法应用于水下作战系统。设计了潜艇的作战流程,主要包含了对目标的探测、跟踪、数据处理、威胁评估、目标运动参数分析以及对敌实施鱼雷攻击等功能。仿真结果表明采用本文所提的目标运动分析算法提高了鱼雷命中目标的概率。