税法的目标范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇税法的目标范例，将为您的写作提供有力的支持和灵感！

篇1

中图分类号：J227 文献标识码：A 文章编号：1006-026X（2013）04-0000-01

一、关于水印木刻版画

版画主要是以“版”作为媒介来制作的一种绘画艺术。语言的间接性是所有版画的最大特征之一，它对技术性的强调远远超过其它的画种，是创作者运用画笔、刻刀等其他的工具，在不同的板材（如石板、丝网版、木版、塑料板、纸板、铜版等）上进行绘制、雕刻、腐蚀，再经过印刷这个间接过程，使其转化出媒介物痕迹形式的方式来展现作品。水印版画是木刻版画的类型之一，是世界上最早的木刻形式，起源于中国，上千年的水印版画发展已经在制作技法和形式上逐步成熟。水印木刻版画是运用水和水性颜料或墨调和，再把吸水性纸喷潮放到刻好的版面上，通过涂刷在刻好的版面上，在潮湿的纸张上用工具进行拓印而完成的。通过拓印这样的一个过程，所体现出来的“刀味”、“水味”、“木味”的印痕肌理是水印版画最为显著的特征。

二、水印木刻版画的印刷技法

与其它的画种相比较，版画是一项技术性、制作性要求比较高的画种。水印木刻版画也有着它独特的表现技法，印刷的方法也是多种多样的，创作者必须要有较好的手工印刷技术，才能够将自己刻制完的版面转印成自己所想要表现的内容及主题思想。如果创作者过分的去关注水印木刻版画作品中的技术与形式感而忽略了作品的内在情感的精神探求，单纯的从印刷技术效果去谈论对某一幅作品的好坏，可能就会对水印木刻版画的理解上过于简单化，一件艺术作品如果不去琢磨“思考方式”或“创作的想象”，终究还是无法长存的，当然不可否认，再好的主题思想也要有好的专业技法表现。技法的掌握不是天生的，需要创作者在实践中研究、学习，结合自己的特长，再加上时间的验证，才能发挥它的作用。

要想使水印木刻版画的语言表现力更突出，作品更具有艺术的感染力，在印制的过程中需要注意这样几点：首先是纸张的水分控制。水分的控制在水印木刻版画的印制过程中非常重要，除了所喷纸张的潮湿要均匀、全面外，还要考虑画面所表现对象的效果和拓印时气候的干湿情况，灵活控制好纸张的湿度，不能够太干也不能太湿，将纸张喷得潮湿显现出透明的状态就可以了。如果创作者需要在自己的画面里表现水印木刻版画特有的“韵味”，在印刷的过程中就必须注意好纸张的湿度，通常纸张需要偏潮湿一些。纸张的含墨或含色量的多少也会直接影响到画面的效果，含墨或含色量越多，水分就会更容易向纸张的四周渗开，所以在开始印刷时，颜色量要小一些同时用水也要少。其次是在拓印的过程中，如果分版的量少而印刷的细节多，相应的在拓印时间上用的也会比较长一些，时间一长的话，就会容易出现纸张干缩走版的现象，这个时候就需要对纸张进行均匀全面的喷水，喷水的时候要控制好纸张的湿度，不能够太湿，喷壶也应该与版面有一定的距离，水的雾气打的细一些，保持好之前拓印湿度的状态。另外的一个方法就是直接在纸张的四周边上涂清水，因为纸张干的时候总是从四周边开始，如果控制好纸张四周的水分就能够留有更多的拓印时间。最后是控制好需要上色的笔上的水分及使用好马莲的压力。笔是用来进行版上刷色的作用，通常会使用底纹笔，因为底纹笔含水量较充足，笔头又扁又平，另外还有其它的毛笔、水粉笔、水彩笔、油画笔等都可以作为较好的印刷工具，这些笔可以进行着搭配使用，当然画笔也是因人而异，不同的人有着不同的选择，印刷时创作者使用工具的差别，同样会产生不同的效果，在版上开始用笔刷色时，水分不宜过多，刻版上的凹缝里不能有积的水色，刷在版面上的水色要涂刷均匀。马莲压力的使用轻重是根据印刷版面的面积大小来决定的，同样创作者印刷手法上的轻重也会产生不同的画面效果，所以想要把握好色彩在画面中的运用，达到预期画面所想要表现的效果，就需要创作者在长期的印刷过程中不断积累和总结经验。看陈琦老师的水印木刻版画作品，从他做的明式家具、古琴到荷花再到梦蝶和佛手，所有的形象都是写实的手法，隐隐总觉得在具象的画面之下透出一种精湛、清雅和大气。惊讶于画中琴弦的丝丝入扣，荷花的清雅藏香，佛手的容纳人间，墨色可以分辨万象，画中唯美的意象、深刻的哲理和不可思议的构图和线条，都得到了艺术界的极大肯定。他在水印木刻语言上所达到的高度，赋予了水印木刻作为一种独立的艺术形式的尊严。应天齐老师一直致力于艺术的不断创新和推进，而且把对时代的感受通过他认为最合适的方式表现出来，他的艺术始终在传统和现当代之间很好地保持一种明显的张力，他敢于在艺术方式和语言上做无限的尝试，采用新的艺术方式、艺术语言来表达的感受，进行他所认为的有必要的突破，他在创作《西递村系列》的时候就已明显有一种唯美、一种对形式的高度敏感，像这些东西在他后来的创作中一直存在。

其实每个艺术家都有着自己的独特印刷技法，要想创造出多种多样的方法，最终的前提还是必须得多在实践中不断总结和积累经验，积极的去探索一些新的技法，因为技法是为艺术作品的情感（主题思想）服务的，当然一件艺术作品也不能过多的被技法束缚，关键是要如何将技法巧妙地运用到创作者的创作作品中，使表现形式与画面的主题完美地结合起来。

三、水印木刻版画的肌理技法

肌理是物质材料与表现手法相结合的产物，是创造者对物象特质的感受及能够按着自己对美的意向，通过一些特殊的物质材料（如木屑、布纹、墙纸、砂子等）表现出来的。如果能够合理的运用肌理去表现，也能够提升水印版画的艺术魅力。

篇2

水利工程及其附属设施是水利行业向前发展的根本保障，要想实现水利工程现代化建设，实现其管理现代化是一项十分重要的工作。要想实现管理现代化就要大量引进最新材料和最新技术。在我国水利工程全方位发展的同时，实现水利工程管理现代化，必须明确一个合理的发展目标。

1水利工程管理现代化的目标

1.1发挥水利工程的最大效益

建设水利工程的目的是为了改善用水环境，促进经济发展和人们生活质量的提高。因此水利工程管理者在面对水利工程管理工作时，一定要充分发挥水利工程的重要作用。如何将水利工程作用发挥到极致，传统的管理手段是行不通的，只有现代化的管理模式才能完成这一任务。虽然水利工程的建设目的是造福百姓，创收经济，但实现这一目标的手段却随着时代而改变，所以说水利工程管理现代化的发展还应该根据实际的管理效果来适时调整。

1.2合理分配人力资源

合理分配管理人力资源是水利工程管理工作的重要环节，为了能够充分发挥人才的作用，水利工程管理现代化一定要有将人力资源进行最合理的分配。要想实现这一目标，必须推行科学合理的激励机制来提高工作人员的工作热情。管理人员要具备相当高的专业技术水平和职业素质，对待各种安全管理、运行管理和检测观测工作都能够游刃有余，高质量、高效率地完成各项管理工作。

1.3科学利用社会资源

现代化的水利工程，其设备的前期投入和后期的维护都需要大量的资金支持，如果在建设过程中一味的要求采用统一的标准，可能会出现浪费大量资源的现象。对待某些需要依托大中型流域水利工程来说，其承担的安全责任是非常巨大的，因此其有关信息管理方面的工作尤为重要，要建立一系列的信息管理、监视以及控制系统。对于一些中小型水利工程而言，由于其对安全责任不重视，使用也不是很频繁，可以选择相对简单的控制技术。

2实现水利工程管理现代化的有效途径

2.1建设高质量的水利工程

水利工程无论大小，只要建成，就要确保其经济性和可靠性能够得到保障，同时高质量是现代化水利工程的基本要求。但随着一些高新技术的不断应用，水利工程建设过程中选择何种的设备、应用哪种材料、如何处理好设备与环境间的关系也成为了难题。并且虽然有的新技术可以保证施工进度和节省资金，但工程的质量却难以得到保证，所以在建设工程时对技术的选用一定要谨慎，不能盲目地追求进度而破坏工程质量，阻碍后期的管理工作。

2.2保证工程设备具有良好的安全性能

一个能够正常安全运行的水利工程是开展现代化管理工作的基础，只有工程中的各个设备能够得到充分灵活的运用，水利工程的作用才能最大限度的发挥，管理人员才能将各项管理工作落实到位。为了水利工程管理人员能够得到最为准确的工程运行状况信息，管理人员务必要从安全和运行两方面对水利工程实施科学管理。

2.3强化人才队伍

每一位管理人员都是整个水利工程管理工作的直接参与者，只有充分发挥每个人的能力才能实现水利工程管理现代化。传统的管理模式自动化程度不高，需要人员较多，而管理人员之间的能力水平良莠不齐，没有健全的奖励分配机制。工作人员的工作热情不高，这导致水利工程管理工作的效率极低。要改变这一状况，就需要加强对人才的培养，凭工作能力定职称，调动所有管理人员的工作热情，从而建设出一支技术过硬、思想稳定的人才队伍。

2.4严格开展管理工作

根据设定的目标对各项管理工作进行严格管理。要求水利管理部门能够充分利用考核奖惩制度以及统筹规划等各项措施进行管理工作。将水利工程管理现代化建设引到正确的道路上，从而大幅度提升管理水平。在进行水利工程管理现代化的建设过程中，要注意保证实用技术和经济两方面的需求，寻找出合理的控制手段，大力推广具有较高性价比的实用技术，将其应用到工程建设中去，并加强对维护管理水利工程经费的投入力度，为水利工程管理现代化目标的实现提供资金保障。

2.5大力推进水利工程管理现代化进程

篇3

我国的国土面积位列世界第三位，用地大物博这一词汇来形容我们的国家，自古就是不二的选择。然而，我国同时又是全世界人口第一大国，人口数量接近全球人口总数的四分之一。加之我国有许多不适宜人类居住的地区，这样一来，平均分配到每一位公民身上的土地面积就十分有限了，可谓是寸土寸金。这种情况下，是经受不起水土流失的。况且水土流失还会使环境变得更加恶劣，因此，水土保持的工作刻不容缓！必须被提上日程，成为我国一项持久坚持的战略性目标。

一、水土保持工作的战略目标

正所谓，冰冻三尺，非一日之寒，水土生态环境的破坏绝非一日形成的，同样，想改变这种现状，也需要假以时日，这是一项长久的工作，任重而道远。

（一）坚持以人为本的行动准则

对于环境的治理，对于水土的保持，最终的受益者，都是人民，所以，在治理的过程中，也要特别注意以人为本这一行动准则。不能恶意的损害人民的利益，一味的谋求水土与环境的彻底转变。如果这样，即便扭转了当今水土与环境的局势，也是毫无意义的，这无异于买椟还珠，丧失了水土保持工作最根本最直接的目标和意义，使一切的工作流于表面，流于形式。如果以牺牲人民的利益为代价，那么，不如什么都不做。

（二）坚持可持续的发展观

治理水土，虽然不能以人民的利益作为代价，但同样，亦不能为了实现财富而置环境于不顾。这是一项此消彼长的工作，如何在其中寻求一种平衡，需要我们深思熟虑。过去，为了谋求发展，一味的向自然索取，过渡的开发才酿成了今天的结果。所以，我们决不能再重蹈覆辙，要以不破坏环境为前提进行发展，继而逐渐改善环境，改善水土。坚持以科学发展观作为工作的指导，走一条可持续发展的道路，做到人与自然和谐相处。

（三）具体问题具体分析

对于水土的治理工作，不能采取“一把抓”的方式，要借鉴经验，但又不能完全依靠经验，依靠书本，依靠现成的例子，需知，尽信书不如无书。不能以本本主义和教条主义来应对工作。对于我国广袤的国土，山地平原，抑或盆地河流，不同地形，要以不同的方式去治理，即便相同的地形不同的地区，也要根据当地特殊的地理环境和气候条件，寻找出一种合适的方式进行治理，做到对于具体的情况，以恰当的方式应对之。

二、水土保持工作的发展趋势

水土保持、治理工作的开展，绝对不是靠国家，靠政府颁布相应的法规政策来实现的，这要靠全民的参与，才能够得以达成和实现。如今，我国在水造和生态平衡方面已取得了一些初步的成效，日后依然要坚持不懈的努力，才能取得这场战役的胜利。

（一）改变人们的思想观念和生活习惯

环境与我们每一个人都是息息相关的，保护环境就是保卫我们自己的家园，是对我们自身切实有利的事情。

上世纪五、六十年代，为了有效缓解土地压力，为了经济社会的进步和发展，国家和政府采取了一种不顾客观规律，不注重对于自然的保护，一味向自然索取的发展方式，围湖造田，退林还耕。如此一来，严重破坏了生态环境和水土环境的平衡。随着我国人口的增长，对于能源的需求也与日俱增，其中也包括对于木材的需求。不加节制的过度砍伐，造成了大规模的林地变为荒地，水土严重流失。如此一来，严重破坏了生态环境和水土环境的平衡。近年来频频发生的沙尘暴就是最好的证明：没有了植被的固定，泥土被轻易的吹到天空；没有森林的阻挡，风沙的脚步就遍布大江南北。大概也正是因为这样，国家和政府才开始真正的重视水土问题的重要性。

水土保持的工作与我们每个人也都有着密不可分的联系。很多人觉得事不关己高高挂起，这种思想是大错特错的，应对人民进行教育，从自身做起，转变观念以及生活习惯，尤其对于林区、牧区的人民来说，让其了解什么样的行为会对环境、对水土造成破坏是非常必要的。只有这样，才能从根本上解决水土流失的问题。

（二）转变农业生产方式

当一个社会逐渐发展，达到一定的文明程度之后，其生产力也必须有所提高，并与之相匹配，落后的生产力显然是会出现问题的。

我国北方地区的生活方式向来以游牧为主：牧民们以一种粗放的方式进行放牧，让动物在草原上自由的啃食青草，等到一片草场被动物消耗殆尽以后，牧民们便迁徙到下一片草场，继续重复相同的生活。可见这是一种几位落后的生产方式，显然与现代文明的社会是格格不入的。而且过度的放牧会导致植被越来越稀少，植被对地面土壤的固定能力下降，土壤很容易随着雨水被冲走，流入江河中。随着土壤的逐渐减少，植被的生长能力也逐渐减弱，周而复始，形成了恶性循环，久而久之，便造成了土地的荒漠化。流入水中的泥沙又会对水源造成污染，并且形成河道的淤积，每当遭遇洪水之时，这些淤积就变成了严重的潜在危险。

由此看来，落后的农业生产成为了水土保持工作开展的最大绊脚石。尤其对于粗放型的畜牧业来说，一定要有所改变，要做到科学的规划与管理，不能采取一种放任的态度。对于破坏的草场，要进行维护，恢复其往日的生机。而对于牧民，也要改变游牧的方式，定点放牧，同时又要积极的恢复植被。

三、小结

水土保持工作是我国目前一项紧迫而又重要的任务，它的成功与否，直接影响到我国经济社会的建设与发展的优劣。因此，我们更要对其予以重视，从方方面面配合国家、政府做好这项工作，而受益者亦是我们自身。只有全民参与并行动起来，才能取得成功！

参考文献：

[1] 吴发启等. 水土保持规划学[M]. 北京:中国林业出版社. 2009.

篇4

中图分类号：TP18 文献标志码：A

0引言

调度问题研究的是在一定的约束条件下将稀缺的资源分配给同一时刻的不同任务，它是一个决策过程，其目的是优化一个或多个目标[1]。流水车间调度问题（Flow shop Scheduling Problem， FSP），也称置换流水车间调度问题，是车间调度问题中的典型，属于NPhard问题[2]。

近年来，国内外许多学者针对于FSP进行了广泛的研究和探讨。文献[3]针对混合车间流水调度问题提出了一种新的数学模型，利用一种新的启发式算法来计算完工时间；文献[4]在启发式算法[5-7]的基础上提出了混合启发式算法，最大限度地减少了无等待流水车间调度的总流程时间；文献[8]提出了一种新的混合并行遗传算法来解决车间调度问题，改进了遗传算法的杂交和变异算子。然而，以上研究偏好于单目标的FSP，但多目标的FSP才更符合实际生产的需求。文献[9]提出了一种多目标混合遗传算法来求解FSP，算法中引入基于累计排序策略和自适应密度评估的适应度计算方式更好地保持群体多样性；文献[10]提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化算法，使算法在集中搜索和分散搜索之间达到合理的平衡；文献[11]对遗传算法进行改进，利用模糊聚类建立了新的种群更新规则，并采用随机权重法和偏好信息相结合的方式简化适应度的分配和选择操作。文献[9-11]方法虽然同时考虑了两个甚至是多个目标，但在提升算法性能的同时牺牲了算法效率。

矢量评价遗传算法（Vector Evaluated Genetic Algorithm， VEGA）[12]将种群分为多个子种群，每一个子种群朝着一个单一的目标演变。VEGA的这种特性使它拥有很强的向Pareto前沿面的边缘区域收敛的能力。然而，VEGA的多样性并不是很好，原因就在于它的选择偏好。非支配排序遗传算法（Nondominated Sorting Genetic AlgorithmⅡ， NSGAⅡ）[13]和强度Pareto进化算法（Strength Pareto Evolutionary Algorithm2， SPEA2）[14]已经被证明在解决多目标优化问题中能够得到较好的结果。NSGAⅡ精英种群的更新依赖于Pareto的rank排序机制和个体的拥挤距离；SPEA2则基于原始适应度值分配机制和密度机制，更新精英种群时要同时考虑原始适应度值和个体距离。因此，SPEA2要比NSGAⅡ占用更多的CPU时间。

为了同时提升收敛性和分布性并减少运算时间，本文提出了一种多目标混合进化算法（MultiObjective Hybrid Evolutionary Algorithm， MOHEA）用以解决多目标FSP。本文算法在VEGA的采样策略的基础上融合了一种基于Pareto支配与被支配关系的适应度函数（Pareto Dominating and Dominated Relationshipbased Fitness Function， PDDRFF）的采样策略。混合采样机制不仅能提高算法的收敛速率，而且也能增强算法分布性能。本文的结构安排如下：第1部分对FSP进行了描述并构建了该问题的数学模型；第2部分详细介绍了MOHEA；第3部分给出了仿真实验数值并对结果进行了讨论与分析；第4部分为结论和未来工作展望。

4结语

本文针多目标FSP提出了一种新的算法――MOHEA，同时考虑了完工时间最小化和总流经时间最小化，并构建了相应的双目标FSP的优化模型。MOHEA引入了新的适应度评价函数PDDRFF进行个体的评价，并与VEGA的采样策略进行了巧妙的融合。VEGA的采样策略偏向于Pareto前沿面边缘区域，而基于PDDRFF的采样策略有着向Pareto前沿面中心区域收敛的趋势。新的混合采样策略使得本文算法能够同时维护收敛和分布性能并降低了计算复杂度。针对双目标FSP的特点，采用整数编码对染色体进行编码，提升了算法的效率，局部映射交叉算子和互换变异增强了算法的搜索范围。从对9个不同规模的TA测试问题的仿真实验结果上看，与NSGAⅡ和SPEA2相比，MOHEA在收敛和分布性能上要好；在运算效率方面，MOHEA明显优于两者。

本文只研究了双目标的FSP，对于多目标以及更复杂的FSP并没有涉及，因此未来会将更多与生产相关的目标，如工件的最大拖期时间、总消耗和总成本等，以及大量包括各种实例的基准测试函数用来验证MOHEA的性能和效率，并会对MOHEA作进一步的改进。

未来的研究内容：会将更多与生产相关的目标，例如工件的最大拖期时间和总成本等，以及大量包括各种实例的计算实验用来验证MOHEA的性能和效率。

参考文献：

[1]

PINED M.调度：原理、算法和系统[M]. 张智海， 译.北京：清华大学出版社， 2007： 1-7.（PINEDO M. Scheduling： Theory， Algorithms and Systems [M]. ZHANG Z H， translated. Beijing： Tsinghua University Press， 2007： 1-7.）

[2]

GONZALEZ T， SAHNI S. Flow shop and job shop schedules： complexity and approximation [J]. Operations Research， 1978， 26（1）： 36-52.

[3]

ZIAEIFAR A， TAVAKKOLIMOGHADDAM R， PICHKA K. Solving a new mathematical model for a hybrid flow shop scheduling problem with a processor assignment by a genetic algorithm [J]. International Journal of Advanced Manufacturing Technology， 2012， 61（1）： 339-349.

[4]

GAO K， PAN Q， SUGANTHAN PN， et al. Effective heuristics for the nowait flow shop scheduling problem with total flow time minimization [J]. International Journal of Advanced Manufacturing Technology， 2013， 66（9）： 1563-1572.

[5]

GAO K， PAN Q， LI J. Discrete harmony search algorithm for the nowait flow shop scheduling problem with total flow time criterion [J]. International Journal of Advanced Manufacturing Technology， 2011， 56（5）： 683-692.

[6]

BERTOLISSI E. Heuristic algorithm for scheduling in the nowait flow shop [J]. Journal of Materials Processing Technology， 2000， 107（3）： 459-465.

[7]

LAHA D， CHAKRABORTY U K. A constructive heuristic for minimizing makespan in nowait flow shop scheduling [J]. International Journal of Advanced Manufacturing Technology， 2009， 41（1）： 97-109.

[8]

SPANOS A C， PONIS S T， TATSIOPOULOS I P， et al. A new hybrid parallel genetic algorithm for the job shop scheduling problem [J]. International Transactions in Operational Research， 2014， 21（3）： 479-499.

[9]

杨开兵. 基于进化计算的多目标流水车间批组调度问题研究[D]. 大连：大连理工大学， 2011：31-52.（YANG K B. Research on multiobjective flowshop scheduling with batching based on evolutionary algorithm [D]. Dalian： Dalian University of Technology， 2011：31-52.）

[10]

何启巍， 张国军， 朱海平， 等. 一种多目标置换流水车间调度问题的优化算法[J]. 计算机系统应用， 2013， 9（1）： 111-118， 110.（HE Q W， ZHANG G J， ZHU H P， et al. A hybrid particle swarm optimization algorithm for multiobjective permutation flows shop scheduling problem [J]. Computer Systems & Application， 2013， 9（1）： 111-118， 110.）

[11]

篇5

1 引言

近年来，各国积极推进对海洋资源的探索。在海底矿藏资源挖掘、渔业捕捞、水下机器人定位等应用中，水下目标跟踪的研究显得尤为重要，而且对定位精度要求越来越高[1]。在水下目标跟踪系统的实现中，所测距离、角度等信息的处理占重要环节[2]。目前，用于水下目标运动状态跟踪定位的算法有卡尔曼滤波算法、粒子滤波算法、神经网络滤波算法等。粒子滤波算法解决非线性非高斯动态系统的数据处理和分析，该算法复杂度较高[3]。神经网络滤波算法可以处理复杂的非线性动态系统，也较为复杂[4]。卡尔曼滤波算法在水下目标运动状态不变的情况下跟踪效果较好，但目标机动时定位误差较大[5]。IMM算法在机动目标跟踪领域应用广泛，能够利用多种模型描述水下目标可能的运动状态，克服单模型的描述单一化问题，有效提高目标在机动时跟踪定位的精度，但目标运动模型的选取很大程度上制约了IMM算法的特性[6-9]。

三维水下目标系统，通过多个阵元收发水声信号，采用到达时间、到达时间差等方法获得目标与定标点之间的距离和角度等信息，之后求解定位方程确定目标的位置、速度等[10-11]。最后，再利用目标的位置、速度等信息建立目标的动态系统，通过解状态方程和观测方程，得到目标轨迹。水下目标实际运动状态较为复杂，可用IMM算法中多个运动模型进行建模。本文将IMM算法与KF-3D算法相结合，提出IMMKF-3D（基于交互多模型的三维卡尔曼滤波）算法，有效解决KF-3D算法在水下目标跟踪系统中目标运动状态模型单一化问题，从而提高了定位精度。

文章首先介绍水下目标跟踪定位的相关背景，提出IMMKF-3D算法，接着阐述该算法原理，然后将其应用在三维水下目标跟踪中，最后通过仿真对IMMKF-3D算法的性能进行验证。

2 IMMKF-3D

IMMKF-3D算法采用多种运动模型描述目标在水下三维空间运动时可能出现的转弯、加速、减速等状态，提高目标在机动时跟踪定位的精度。该算法采用多个卡尔曼滤波器，每个卡尔曼滤波器对应不同的水下目标状态空间模型，这些模型用来描述对应的目标运行模式，每个滤波器对应目标状态估计结果不同。假设某个模型在现在时刻有效的条件下，通过混合前一时刻所有滤波器的状态估计值获得与这个特定模型匹配的滤波器的初始条件，然后对每个模型并行实现滤波步骤（预测和修正）；再以模型匹配似然函数为基础更新模型概率；最后，将多个滤波器估计结果加权融合得到总的状态估计。

假定水下目标有s种运动状态，s个卡尔曼滤波器与之对应。其中，第i个模型目标状态方程为：

测量时刻k的状态为X（k），Φ（k）为状态转移矩阵，G为噪声驱动矩阵，W（k）为白噪声序列，均值为零，Z（k）为对应状态的观测信号，H（k）为观测矩阵，V（k）为观测噪声。

IMMKF-3D算法中，假定在任一时刻，第i个模型在当前时刻k有效，在测量时刻k-1时，每个滤波器得到一个预测状态值和协方差值，结合k-1时刻各个滤波器对应的模型概率值和马尔科夫概率转移矩阵P得到k时刻每个滤波器的混合状态估计值和协方差值。其中，马尔科夫概率转移矩阵控制状态空间模型之间的切换，表示水下目标由一种状态空间模型转移到另一种状态空间模型的概率。马尔科夫概率转移矩阵如下：

矩阵中元素pij表示目标由第i个运动模型转移到第j个运动模型概率。k=0时刻预测状态值取初始时刻观测位置，协方差值根据水下环境中的大量观测试验数据用统计方法获取。

在k时刻，将每个滤波器的混合状态估计值、混合协方差估计值和观测值作为滤波器输入，进行状态预测、预测误差协方差、卡尔曼增益计算得到k时刻每个滤波器对应的预测状态值和协方差值。然后，利用模型匹配似然函数作为计算基础更新模型概率，得到k时刻每个滤波器对应的模型概率值。最后，基于每个滤波器对应的模型概率值，对该时刻每个滤波器的预测状态值通过加权计算得到总的状态估计。

IMMKF-3D算法以递推方式进行，每次递推分为以下四个步骤：

步骤1：输入交互（模型i）

由水下目标状态估计（k-1|k-1）与k-1时刻中每个滤波器的模型概率μi（k-1）计算得到混合估计（k-1|k-1）和混合协方差估计P0i（k-1|k-1），将混合估计作为当前循环的初始状态。具体参数计算如下：

模型j预测概率（归一化常数）为：

步骤4：输出交互

基于模型概率，对每个滤波器估计结果加权合并，得到总状态估计（k|k）和总协方差估计P（k|k）。

总状态估计：

所以，IMMKF-3D算法最终输出结果是对不同模型经过滤波器所得估计的加权融合，而不是仅仅在每一时刻选择完全正确的模型进行估计。

3 三维水下目标跟踪模型

3.1 目标的运动模型

水下目标通常距离水面一定深度进行运动，处于匀速、变速和转弯等状态。本文将水下目标运动模式划分为三类：匀速直线、匀加速和匀速转弯。

水下目标匀速直线运动时，采用匀速直线运动模型描述，此时状态方程公式（1）中i取值为1。

状态向量为X（k）T=[x，vx，y，vy，z，vz]，x、y、z为X轴、Y轴、Z轴三个方向坐标值，vx、vy、vz为X轴、Y轴、Z轴三个方向上的速度，G中的T是系统采样周期，W（k）中的ux、uy、uz为相互独立的零均值高斯白噪声。

水下目标匀加速运动时，采用匀加速运动模型进行描述，状态方程公式（1）中i取值为2，其中状态向量为X（k）T=[x，vx，y，vy，z，vz，ax，ay，az]，ax、ay、az为X轴、Y轴、Z轴三个方向的加速度。

3.2 目标的观测方程

系统在水下三维空间中布置声呐基阵，通过测量基阵到运动目标的方位角、俯仰角、距离、多普勒频移以及径向和法向速度等观测值，其观测方程为公式（2）[12]。其中观测矩阵为H；Z（k）为观测值；V（k）为零均值的高斯白噪声，表示定位误差。

实际三维水下目标跟踪中采用同步定位方式测距，同步定位方式中声呐基阵精确同步或者具有确定的时钟偏差。根据发射接收时刻以及时钟偏差定位，利用水声信号在声呐和目标之间的传播时间计算出目标距离各个测量点之间的距离，从而计算出目标的测量方位[13]。将测量出来的X轴、Y轴、Z轴方向坐标值等观测值作为输入值，利用IMMKF-3D算法对测量值进行处理得到目标轨迹。

4 实验仿真与分析

仿真中，参考水下基阵对水下目标跟踪定位，基阵扫描周期为0.2 s，通过计算机模拟X轴、Y轴和Z轴三个方向上的测量值。测量值为真实轨迹与测量噪声之和，观测噪声为零均值，方差为50的高斯白噪声。由于观测噪声取值的随机性会引起误差，为了减小这种误差，进行500次仿真。

IMM算法对马尔科夫链转移概率选择具有强鲁棒性，转移概率在[0.80，0.95]之间时，对运算结果影响很小。IMMKF-3D算法采用三个运动模型，分别是匀速直线运动模型、匀加速运动模型和匀速转弯运动模型，控制模型转换的马尔科夫链转移概率矩阵设定为：

目标机动过程如下：在0 s～400 s，目标沿Y轴匀速直线，以-15 m/s的速度前进，X轴和Z轴方向速度为0 m/s；行驶6 000 m至A处，在400 s～600 s，目标慢转弯，Y轴方向速度减为0 m/s，加速度为0.075 m/s2，X轴方向加速度变为0.075 m/s2，速度变为15 m/s，Z轴方向速度不变；在600 s～610 s，以15 m/s速度沿X轴方向匀速运动行驶至B处，Y轴和Z轴方向速度为0 m/s；在610 s～660 s，目标快转弯，X轴方向速度减为0 m/s，加速度为-0.3 m/s2，Y轴方向加速度为-0.3 m/s2，Z轴方向加速度为0.3 m/s2；在660 s～900 s，目标沿Y轴速度为-15 m/s，沿Z轴速度为15 m/s，沿X轴方向速度为0 m/s。整个过程中，目标做了两个转弯，在A、B两点处，初始位置为O点，坐标为（2000， 10000， 0）。

图1中真实轨迹和目标轨迹偏差较大，KF-3D算法在A点目标出现慢转弯时，出现较大偏离，目标轨迹与真实轨迹在各方向上误差由几米增到一千米左右。图2中目标在A点慢转弯、B点快转弯和其他时间段均接近真实轨迹。将两幅图中的跟踪效果进行对比，得到IMMKF-3D算法能较好地解决转弯后的偏离问题。

仿真500次，得到图3中KF-3D算法目标轨迹的误差均值和图4中IMMKF-3D算法目标轨迹的误差均值。从图3中可以看出，在0 s～400 s时，目标沿Y轴匀速运动，三个方向偏差都处于较低水平；在400 s～600 s时，目标在XY平面内进行慢转弯，XY轴方向偏离逐渐增大；在600 s～610 s，沿X轴方向匀速运动，Y轴和Z轴方向速度为0 m/s，Z轴误差仍然较低；在610 s～660 s，目标快转弯，Z轴方向产生加速度，目标在Z轴方向偏离逐渐增大；在660 s～900 s，目标沿Y轴、Z轴匀速运动，沿X轴方向速度为0 m/s，目标仍然在持续偏离。

观察图4中在相同运动状况下使用IMMKF-3D算法的目标轨迹情况，三个方向误差均值状况在整个目标运动过程中皆处于偏低水平。以目标初值观测点位置Z（0）作为Xi（0|0），Z（0）包含的观测噪声导致观测值偏离真实坐标值较大，故图4中最初状态误差均值较其他时间段大。

图3和图4中都选取9个坐标点，以100 s探测时间为间隔，所标出数值代表具体误差值。通过对比两种算法目标轨迹的误差均值，可以直观地看出IMMKF-3D算法目标轨迹的误差均值在目标各时间段均保持较低水平。由两幅图的比较可看出，在目标进行匀速运动时，KF-3D算法和IMMKF-3D算法产生的误差都较低，当目标进行转弯、加速等状况时，KF-3D算法出现严重偏离状况，而IMMKF-3D算法仍然具备良好的跟踪效果。

图5表示KF-3D算法目标轨迹的误差标准差，在目标跟踪初始阶段误差标准差较大，100 s～900 s时间段维持在较低水平，取值范围在1.5 m～3 m之间。图6表示IMMKF-3D算法目标轨迹的误差标准差，在目标跟踪初始阶段也较大，100 s～900 s时间段维持在较低水平，取值范围在2.5 m～3 m之间。两种算法的误差标准差值较低，故仿真过程中误差取值波动范围小，图5和图6中误差均值具有代表性。

5 结束语

IMMKF-3D算法在KF-3D算法基础上进行改进，引入IMM算法描述目标在运动中可能出现的多种运动状态，从而提高跟踪精度。文中以水下基阵对水下目标跟踪定位为仿真背景，采用IMMKF-3D算法对水下目标进行跟踪定位。当目标出现转弯，变速等运动情况时，IMMKF-3D算法通过匀速直线运动模型、匀加速运动模型和匀速转弯运动模型之间切换，较真实地反映水下目标轨迹变化状况。仿真结果表明：目标在出现慢转弯、快转弯和加速等情况时，IMMKF-3D算法得到的目标轨迹误差都处于较低水平，该算法可以显著地提高水下机动目标跟踪精确性。

参考文献：

[1] Schneider T， Schmidt H. A State Observation Technique for Highly Compressed Source Coding of Autonomous Underwater Vehicle Position[J]. IEEE Journal of Oceanic Engineering， 2013，38（4）： 796-808.

[2] Maki T， Matsuda T， Sakamaki T， et al. Navigation Method for Underwater Vehicles Based on Mutual Acoustical Positioning With a Single Seafloor Station[J]. IEEE Journal of Oceanic Engineering， 2013，38（1）： 167-177.

[3] Donovan G T. Position Error Correction for an Autonomous Underwater Vehicle Inertial Navigation System （INS） Using a Particle Filter[J]. IEEE Journal of Oceanic Engineering， 2012，37（3）： 431-445.

[4] Shojaei K， Arefi M M. On the neuro-adaptive feedback linearising control of underactuated autonomous underwater vehicles in three-dimensional space[J]. Iet Control Theory & Applications， 2015，9（8）： 1264-1273.

[5] Wang W， Xie G. Online High-Precision Probabilistic Localization of Robotic Fish Using Visual and Inertial Cues[J]. IEEE Transactions on Industrial Electronics， 2014，62（2）： 1113-1124.

[6] Nadarajah N， Tharmarasa R， Mcdonald M， et al. IMM Forward Filtering and Backward Smoothing for Maneuvering Target Tracking[J]. IEEE Transactions on Aerospace & Electronic Systems， 2012，48（3）： 2673-2678.

[7] Osborne R W， Blair W D. Update to the Hybrid Conditional Averaging Performance Prediction of the IMM Algorithm[J]. IEEE Transactions on Aerospace & Electronic Systems， 2011，47（4）： 2967-2974.

[8] Svensson D， Svensson L. A New Multiple Model Filter With Switch Time Conditions[J]. Signal Processing IEEE Transactions on， 2010，58（1）： 11-25.

[9] Johnston L， Krishnamurthy V. An improvement to the interacting multiple model （IMM） algorithm[J]. IEEE Transactions on Signal Processing， 2002，49（12）： 2909-2923.

[10] Zhehao W U， Xia L I. An Improved Underwater Acoustic Network Localization Algorithm[J]. Communications China， 2015，12（3）： 77-83.