水聲定位技術研究的國內外文獻綜述目錄TOC\o"1-3"\h\u12748水聲定位技術研究的國內外文獻綜述 1325841.1商業(yè)化水聲定位系統(tǒng) 1141871.2水聲定位技術的分類 41.1商業(yè)化水聲定位系統(tǒng)國外對水聲定位系統(tǒng)的研究起步較早，最早可以追溯到1912年美國研制出第一臺水聲測深儀[16]。隨后在第一次和第二次世界大戰(zhàn)期間，在軍事項目的支撐下，人們對水聲領域的研究熱情愈發(fā)高漲，相關技術蓬勃發(fā)展，各式設備推陳出新。1958年，美國華盛頓大學的應用物理實驗室建立了世界上第一個水下武器靶場[17]，后續(xù)又在80年代初研制出了一種便攜式的長基線定位系統(tǒng)，該系統(tǒng)可覆蓋150km2、深6000m的區(qū)域，且定位精度可以達到10m。隨后，在國際市場上也出現(xiàn)了英國、挪威、法國、日本、澳大利亞等國研制出的水聲定位設備。其中性能較好的有，挪威KongsbergSimrad公司生產(chǎn)的HPR408S型長基線定位系統(tǒng)，其精度可以達到幾厘米、數(shù)據(jù)更新率低至兩秒左右；澳大利亞Nautronix公司生產(chǎn)的NASDrillR2925型短基線定位系統(tǒng)，采用了由多個換能器組成的測量陣列，從而提升了波束的指向性，并采用ADS2信號(AcousticDigitalSpreadSpectrum)，提升了抗干擾能力，該系統(tǒng)的工作距離約為3500m，定位精度可以優(yōu)于2.5m；法國OceanoTechnology公司生產(chǎn)的posidonia6000型超短基線定位系統(tǒng)，其采用Chirp調制信號，最大作用距離可達8000m，定位精度為作用距離的0.5%~1.0%。與發(fā)達國家相比，我國在水聲定位領域的起步較晚，我國第一個相關的科研項目是70年代末由楊士莪牽頭的長基線定位系統(tǒng)，主要用于測量洲際導彈的落點[16]。此后，各大高校與科研機構也紛紛對水聲定位技術進行了廣泛研究，其中比較著名的有哈爾濱工程大學、廈門大學、上海交通大學、浙江大學、中國海洋大學、西北工業(yè)大學、國防科技大學、中國科學院聲學研究所、中船重工第七一五研究所、國家海洋局海洋技術研究所等。“十二五”期間，科技部實施了“深水高精度水下綜合定位系統(tǒng)研制”項目，形成了一套具有自主知識產(chǎn)權的水聲定位系統(tǒng)，該系統(tǒng)定位深度可達7000m，定位精度優(yōu)于0.5m，且可適用于復雜海山地形[18]。同時，得益于政策扶持和市場需求，國產(chǎn)水聲定位設備也逐漸崛起，水聲定位行業(yè)涌現(xiàn)出了一大批的技術廠家，吹起了水聲定位產(chǎn)業(yè)快速發(fā)展的號角。天津智慧海洋科技公司生產(chǎn)的Easytrak超短基線水聲定位和追蹤系統(tǒng)，其定位精度約為斜距的2.5%；江蘇中海達公式推出了iTrack系列的產(chǎn)品，其中iTracckUB1000系統(tǒng)定位精度達到0.5m以內；嘉興易聲電科公司定制開發(fā)了eLBL長基線定位系統(tǒng)，在莫干山水庫驗收時定位精度達到0.3m以內。可見，經(jīng)過了幾十年的努力，我國水聲領域的發(fā)展態(tài)勢良好，相關技術取得了長足的進步[19]。以上就是商業(yè)化水聲定位系統(tǒng)的發(fā)展歷程，其主要應用于艦船、AUV等具有能源續(xù)航能力的設備[20]。該項技術發(fā)展較為成熟，可以根據(jù)基線的長度劃分為以下三種：長基線(LongBaseline，LBL)系統(tǒng)、短基線(ShortBaseline，SBL)系統(tǒng)以及超短基線(UltraShortBaseline，USBL)系統(tǒng)。從原理上來說，基線的長度越長，定位的精度越高[21]。表1-2總結了這三種系統(tǒng)的原理與特點。表1-2基線定位系統(tǒng)的比較定位類型基線長度/m簡稱基元位置長基線100-6000LBL海底短基線1~50SBL船體超短基線<1USBL換能器如圖1-1所示，長基線定位系統(tǒng)[22]需要預先在海底部署三個以上已知位置的參考基元，并以一定的幾何拓撲結構組成基線陣列，基線長度(即基元之間的距離)通常為幾百米至幾公里，再通過時間測量得到被測目標與各個基元之間的距離，通過距離交匯解算出目標的位置。該系統(tǒng)的優(yōu)點是定位精度與水深無關，且相對定位精度較高，定位數(shù)據(jù)更新率高；缺點是需要提前布設基陣，且基元的坐標需要按時校正，費時費力，成本較高[23]。圖1-1長基線定位系統(tǒng)如圖1-2所示，短基線定位系統(tǒng)[24]的基陣布設于船底，且安裝在艦船建造時預留的位置上。同樣地，該基陣由至少三個參考基點組成，基線長度通常為數(shù)十米，同樣通過測量傳播時間來確定目標與各個基元之間的距離，從而估計目標的位置。該系統(tǒng)的優(yōu)點是結構簡單，便于操作，測距精度較高；缺點是基陣在安裝后難免會受到推進器等引起的機械噪聲的干擾，從而影響定位性能，此外，船體的形變也會引入一定的系統(tǒng)誤差[25]。圖1-2短基線定位系統(tǒng)如圖1-3所示，超短基線定位系統(tǒng)[26]的各個基點并不是布設在整個船底，而是被固定在一個很小的陣列上，比如被集中安裝在同一個換能器內，這樣可以使其處在流噪聲和結構噪聲均較弱的某個有利位置。該系統(tǒng)的基線距離通常為幾厘米到幾十厘米，通過測量各個基點接收信號的相位差來確定目標的水平方位角度和垂直掠射角度，通過測量信號到達時間確定傳播距離，最后結合方位和距離得到目標的坐標。其優(yōu)點是基陣的集成度高，布設方便，操作簡單，成本低，易回收；但在安裝后依然需要精確的校準，同時定位精度較差[27]。圖1-3超短基線定位系統(tǒng)1.2水聲定位技術的分類如圖1-4所示，根據(jù)不同的分類標準，水聲定位技術可以分為不同的類別[15]。如果以錨節(jié)點的運動狀態(tài)作為標準來區(qū)分的話，則可以分為靜態(tài)錨節(jié)點定位技術、動態(tài)錨節(jié)點定位技術。在靜態(tài)錨節(jié)點系統(tǒng)中，錨節(jié)點一般不具備自主驅動能力，或浮于水面，或固定在水底，總之處于靜止狀態(tài)，因此系統(tǒng)的覆蓋范圍是有限的；而在動態(tài)錨節(jié)點系統(tǒng)中，錨節(jié)點具備自主移動能力，如AUV等設備，這樣就可以實現(xiàn)大范圍覆蓋，但也提高了部署成本和定位周期，因此不適用于對實時性要求較高的場景。從信息在網(wǎng)絡中的傳遞方向來看，則可以分為集中式定位和分布式定位。集中式定位就是先指定一個中心節(jié)點，然后收集所有來自錨節(jié)點和目標節(jié)點的信息，進行目標位置解算，最后將結果返回給目標節(jié)點；因此中心節(jié)點可以總攬全局、統(tǒng)籌規(guī)劃，從而獲得相對精準的目標位置估計，但也會導致節(jié)點的通信開銷相對較大；分布式定位則是由各個目標節(jié)點自行進行信息收集和位置解算，不再指定額外的中心節(jié)點。從定位空間的維度來看，亦可以分為二維定位技術和三維定位技術。三維定位技術研究聲在三維復雜空間的傳播特性，解決立體定位問題，該技術更接近實際環(huán)境，但也增大了位置解算的計算量；由于海水特性在水平方向一般較為穩(wěn)定而均勻，且目標節(jié)點通常配備有壓力(深度)傳感器，因此三維網(wǎng)絡的節(jié)點定位問題通?？梢院喕癁槎S問題。圖1-4水聲定位算法分類從定位所需的信息源來看，還可以分為基于測距的定位技術和非測距的定位技術[28]?；诜菧y距的定位技術的目標是確定節(jié)點所在的區(qū)域或節(jié)點間的相對位置(跳數(shù))，而不是確定節(jié)點精確的物理位置。該技術受環(huán)境變化的影響較大，且主要應用于對位置精度需求不高的場景。該類技術主要依靠網(wǎng)絡層的優(yōu)化算法，其中較有代表性的是DV-Hop算法[29]、ALS算法[30]、質心算法[31]和APIT算法[32]。文獻[33]提出一種基于比值修正的加權改進算法，使得DV-Hop中的最小跳數(shù)和平均跳距更加接近實際值，提高了在節(jié)點分布不均勻的網(wǎng)絡中節(jié)點的定位精度。文獻[30]提出了ALS算法的核心思路，即將網(wǎng)絡按照信號傳播衰減程度劃分為若干個扇形區(qū)域，顯然該算法的定位精度取決于區(qū)域劃分的精細程度。文獻[31]提出了一種多面體質心算法，并利用網(wǎng)絡密度自適應、迭代定位和重定位、周期性更新和預測等優(yōu)化措施，提高了該方法在錨節(jié)點數(shù)目較少時的定位性能。文獻介紹的APIT算法[32]將遍歷所有由錨節(jié)點組成的三角形，并判斷節(jié)點與三角形的位置關系：若目標節(jié)點在三角形的外側，則剔除該三角形，反之保留，最終求出剩下三角形的重疊區(qū)域的質心，以此作為目標的位置估計；文獻[34]提出一種基于面積的判斷方法，減少了通信開銷，也避免了鄰居節(jié)點信息交換產(chǎn)生的判斷誤差?；跍y距的定位技術[35]主要包括基于到達角度(AOA,angleofarrival)、基于到達時間(TOA,timeofarrival)、基于到達時間差(TDOA,timedifferenceofarrival)以及基于接收信號強度(RSS,receivedsignalstrength)。其中，AOA[36]需要提前在海底部署傳感器陣列，以此實現(xiàn)角度測量，而陣列節(jié)點的耗能、尺寸以及價格都要超過普通節(jié)點，因此該技術在水下傳感網(wǎng)絡中的應用與研究較少，在聲吶陣列信號處理中應用較多；TOA[37]和TDOA[38]的測距精度較高，商業(yè)化應用最廣泛，是水聲定位中最流行的測量方式，但這倆方案依然需要相應的硬件支持，且需要嚴格的時間同步，所以不太適用于水下傳感網(wǎng)絡中能量有限的節(jié)點間的定位。RSS[39]由于部署簡單、易于測量(當知道發(fā)射信號的形式時，只要解調出接收信號，就可以計算出RSS)，且不需要額外的硬件支持，是一種極具潛力的定位方法，逐漸被學者們青睞。該方法的基本原理[40]是：當一個區(qū)域內存在強信號源時，如果接收機與信號源的距離不同，那么測量得到的RSS也會不同，這是因為根據(jù)理論給出的RSS路徑損耗模型[41,42]，RSS會隨著與信號源的距離增加而單調減?。灰虼?，接收機可通過RSS反推相應的距離。由于聲信號在水下傳播過程中，容易受到海洋邊界的影響，使得自身傳播方向發(fā)生改變，因此，接收信號實際上是發(fā)射信號沿著多個路徑傳播后的矢量疊加，這就導致了實測的RSS向距離的映射遠遠比理論模型描述的復雜得多。因此，如何保證映射的精準性成為了挑戰(zhàn)性難題。對此，學者們進行了一些研究工作，這些工作可分為兩種：基于位置指紋的方法、基于傳播模型的方法?；赗SS的位置指紋方法[43]需要一個離線訓練步驟，以將RSS和距離之間的映射信息放入數(shù)據(jù)庫中；在測距過程中，根據(jù)該數(shù)據(jù)庫中的內容利用RSS實測值查找相關距離。文獻[44]給出了該方案的詳細過程：在離線訓練時，不斷地在已知坐標的網(wǎng)格化采樣區(qū)域中移動接收器以收集調幅(AM)聲信號，并將信號從時域轉換到頻域，在應用中值濾波器后將RSS信息與對應坐標存儲在數(shù)據(jù)庫中；在定位過程中，利用最大似然(ML)估計方法將觀測到的RSS與數(shù)據(jù)庫中的映射信息進行比較，估計目標的位置。文獻[45]提出可從信道狀態(tài)信息CSI(定義為多個子載波頻率下的信道頻率響應)中獲取RSS信息，在離線訓練時，為了便于建立數(shù)據(jù)庫，應用了Waymark仿真軟件[46]獲取聲場信息，得到了目標區(qū)域的坐標與CSI(RSS)之間的映射；在定位過程中，接收機對接收到的導頻調制信號進行處理以獲得CSI(RSS)，然后通過網(wǎng)格搜索算法在數(shù)據(jù)庫中尋求最佳匹配來估計目標位置。然而，基于RSS的位置指紋方法有兩個主要缺點[46]。首先，數(shù)據(jù)庫的構建需要事先在網(wǎng)格地圖的相應位置測量RSS，這在實際中很難實現(xiàn)。其次，由于水下環(huán)境的動態(tài)變化，數(shù)據(jù)庫的可靠性隨著時間的推移而降低?；趥鞑ツＰ偷姆椒╗28]則需要根據(jù)傳播模型找出RSS與距離之間的關系，這通常依賴于信道建模。其中，Urick傳播模型[42]被廣泛用于水下傳播損耗(transmissionloss,TL)的建模，但是該模型只指出了直射路徑下的RSS與距離之間的關系，因此無法滿足多徑效應明顯的水下環(huán)境中的定位需求。為此，大多數(shù)學者從統(tǒng)計特性的角度優(yōu)化該模型，即將由非直射路徑以及其它因素(水聲的衍射、折射和由微粒、氣泡以及衍生物等引起的聲散射)造成的Urick模型值與實際測量值的偏差，視為符合一定分布規(guī)律的傳播異常噪聲。文獻[47]提出在一定的準則下，可將基于RSS的定位問題構建為關于目標位置的最小二乘(Leastsquare,LS)或者最大似然(MaximumLikelihood,ML)問題。盡管ML有達到最優(yōu)性能的可能，但是由于該定位問題的非線性和非凸性，ML方法需要一個比較精確的初始解，否則難以收斂到全局最優(yōu)解。因此學者們通?；跀?shù)學上的等價代換來提出更有效的優(yōu)化方法。文獻[48]提出將Urick傳播模型寫成LambertW函數(shù)的格式，從而僅需數(shù)次迭代就可以實現(xiàn)精確位置估計；文獻[49]基于經(jīng)典的多維尺度變換(multidimensionalscaling，MDS)，提出了一種加權方案，從而可以漸進達到ML的最優(yōu)性能，同時文中也研究了參考節(jié)點的密度與拓撲結構對定位性能的影響；文獻[50]利用等效指數(shù)變換重構路徑損耗模型，再應用無跡變換(unscentedtransformation,UT)轉換RSS測量值的均值和方差，轉換后的優(yōu)化函數(shù)更加簡潔，可用半正定規(guī)劃(semidefiniteprogramming,SDP)或二階錐規(guī)劃(second-orderconeprogramming,SODP)求解出無偏估計值；文獻[51]將ML估計問題中的懲罰函數(shù)從二范數(shù)形式改寫成切比雪夫形式，并利用對數(shù)函數(shù)的單調性，將原問題轉化為了凸優(yōu)化問題，并松弛約束條件為SDP標準格式進行求解；文獻[52]采用更加符合實際的假設——RSS測量過程中相鄰節(jié)點之間的通信鏈路并不相互獨立，在相關噪聲的背景下進行估計目標位置；文獻[53]基于廣義信賴域的優(yōu)化算法提出了三步解算方法，討論了發(fā)射功率已知和發(fā)射功率未知兩種場景下的定位情況。然而，實際的海洋環(huán)境是動態(tài)的，這體現(xiàn)在收發(fā)兩端的相對高度、海面高度均會發(fā)生變化，這導致了多徑的結構發(fā)生變化，多徑效應對接收端