文摘

最近,越来越浓的兴趣领域的水下无线传感器网络(UWSNs),这是一个基本来源探索海洋的环境。一系列预期协助UWSN军用和民用应用程序。UWSN正在开发的大规模无线传感器网络(WSN)应用程序和无线技术。因此,本文回顾已经提出了揭示在水下环境中现有的挑战。在评估中,首先,介绍UWSN。在那之后,提出了水下本地化和基础。其次,本文着重于UWSN的架构和技术用于水声传感器网络(UASN)本地化。论文中讨论了各种定位技术分类由集中式和分布式本地化。他们进一步分为估计和prediction-based本地化。同时,各种水下定位算法进行了讨论,分组的算法基于范围和range-free方案。 Finally, the paper focuses on the challenges existing in underwater localizations, underwater acoustic communications with conclusions.

1。介绍

水下无线传感器网络(UWSNs)显示兴趣越来越浓厚,在最新的年。对于各种各样的应用程序,水下传感器网络(usn)可以实现。每个实现至关重要的领域,但他们中的一些人可以加强海洋探险,满足各种水下应用程序,包括一个(即自然灾害预警方案。、海啸和地震跟踪),辅助导航、海洋信息的收集,和水下监测、生态应用程序(即。污染,生物水质量,跟踪),工业应用(即。,marine exploration), etc. For example, for offshore engineering applications, sensors can assess certain parameters such as base intensity and mooring tension to monitor the structural quality of the mooring environment [1]。水声传感器网络(UASNs)提供一个新平台,交流探讨水下环境下。UASNs也提高了理解与水下环境如气候变化、人口的动物生活在水下,珊瑚礁。

在[2UASN],作者提出了定位技术的移动传感器节点被认为是和所有的未知传感器节点成功放置在不同的位置。定位系统是递归和定位方法需要不同的传感器节点。UASNs也增加了水下作战能力的海军,这样他们可以用于潜艇的探测,无人操作系统,监测,和我的对策算法。UASNs还可以帮助监测或控制石油钻井平台,可以防止灾难的影响,如在墨西哥湾的钻井平台爆炸一旦发生(2010)。同样,UASN技术还有助于海啸和地震预警。一个独特的系统称为3-DUL,最初由传感器只有三个锚节点,如水面浮标,化解他们的全球地位数据在所有三个方向和3-DUL遵循二段操作3- - - - - -6]。附近的锚节点的距离是由节点和一个未知的地方在第一阶段。锚节点预计将在第二阶段的横向水平,形成一个虚拟的几何形状使用这些多变量范围的深度信息。如果相应的形状是健壮的,传感器节点将发现自己和成为一个锚传感器节点通过动态三边测量法。在三维(3 d)拓扑结构,该方法迭代动态四面八方找到尽可能多的传感器。一个3 d定位法考虑了电磁(EM)波的衰减可靠的仰角频谱。他们选择偶极子天线的辐射模式来确定可靠的海拔范围。提出了这个方案的feasibleness距离估计和3 d定位方案通过改变仰角和距离。然而,在(7),作者提出一个新的模型,利用电磁波的特点所带来的好处。传感器节点不能仅仅评价环境噪声较低的距离也确保精确的定位输出采样率升高。使用射频传感器的设置,一个UWSN建立定位系统在目标对接位置。水下三维定位算法也建议(8]海军近海监测方案,利用少量的灯塔本地化。性能评价表明,该全球定位的三个表面锚节点由3 dul有效地传播。其简单的算法使UASNs适应全球水的充满活力的性质(9,10]。为此,可以收集信息的海洋监测系统用于从海洋及其周边地区,并提供这些信息通过卫星通信船离岸中心或者有时使用水下电线。这些是便宜和小型水下节点所取代,使用该设备在UASN房子各个节点,如压力,温度和盐度。水下传感器节点网络,可以利用声学信号进行交互。

正如我们所知,在水下无线电信号只能旅行很短的距离,因为无线电信号变弱高度水下和光学信号不能旅行在一个不适当的介质的色散光学信号。少一个声学信号散射比广播和光学信号,导致一个声学信号相比更有用的用于水下通信广播和光学信号如表所示1。然而,在水下声学带宽较小,导致利率降低了信息。多个传感器节点需要提高信息率和短程通信,导致优秀的报道。声通道也有一个低质量的连接(11,12由于时间变化的传播媒介和多路径。水声速度大约是1500米/秒,导致非常高的延迟传播。UASNs也能源有限公司作为WSN由于这些困难。同时,本地化是一项基本的任务,用于检测目标的位置在水下介质用于各种目的,如数据标签,跟踪水下节点和协调节点组的运动。跟踪的目标(6,13,14),研究工作提出了一个基于半定规划——(SDP)本地化过程通过机载压力传感器是通过测量得到。SDP点定位精度和提高提供了更快的收敛监测在相同的系统设置和环境情况下,特别是在低信噪比(信噪比)。条件是地磁异常可以逆转为磁偶极子目标,定位一个水下船舶相对于目标是计算了磁场的大小和目标梯度。磁场计算的设备安装在一辆汽车组成的十个磁力计的轴。自从磁力计的噪音导致six-order公式的系数(15与一个不合适的元素),定位精度会受天气的影响。在[16),美国海军可以修改海洋探险,使一个新的应用程序列表,目前是不可行或昂贵的实现,包括海洋信息收集、生态应用,政府安全、水下军事跟踪,和商业操作。

海上防御目的,usn可以提供立即部署和增强覆盖在沿海地区的监视应用程序。usn安装在海底和水下传感器节点可以检测到地震和海啸的形成在进入居民区。水下节点操作的草图如图1。移动usn可以追踪污染水域的水污染检测设备他们从源和传播到干净的水警告当局采取行动。usn可以用来监控沿海生物和珊瑚礁,哪里有有限的数据对人类活动。高斯噪声注入检测器(GNID)提出了17),以提高检测的概率根据noise-enhanced使用prewhitening过滤信号检测,时间频率与去噪技术 - - - - - -变换,在逆美白过滤结果在改善水下信号检测。确定安全的环境监测也是一个充满活力的方面对环境或人类健康和健康问题。环境监测的主要目的是取样土壤、水和大气,但他们还需要采取建筑内的空气样本保障规则。一群人在环境监测工作需要寻找很多东西这事实上很重要。最明显的是放射性物质或污染物,尤其是当寻求建立一个疏忽的情况下对不同或气候变化的影响的证据。

本文的主要目标是概述了全面审查的水下定位技术及其算法。我们试图审查水下通信和水下本地化的不同方面考虑各种属性。本文的主要目的是提供一个详细的知识的水下定位技术,定位算法,结构等。我们也强调现有的水下定位技术的优缺点,可以帮助研究人员识别更高效和精确的解决方案存在的挑战。明确,本文旨在回答以下基本问题:(我)最先进的定位技术是什么?(2)主要研究水下定位的挑战是什么?(3)的主要防御和他们的优缺点是什么?(iv)有前途的解决方案来提高水下定位是什么?

本文使以下贡献:(我)本文提供了一个详细的解释本地化的水下环境包括本地化基础知识、架构、定位技术和算法用于本地化(2)综述上升等基本要求定位安全攻击水下节点(3)基于现有的水下定位技术的详细分析,我们提出了现有的挑战和未来的发展方向,在最近的将来需要考虑

本文组织如下。部分2介绍了程序和定位的基础。接下来,节3礼物UASN的体系结构,部分4介绍了相关工作,部分5介绍了技术用于UASN本地化。此外,部分6和部分7分别基于范围和range-free算法定位。部分8介绍了水下定位的绩效评估方案。最后,部分9介绍了现有UWSNs挑战和开放问题和部分10总结了纸。

2。程序和定位的基础

假设本地化操作需要注意的是,所有天线节点有一个理想的理解他们的立场,应该分享与全世界其他传感器节点同步时钟信息。应该满足所有节点共享数据,即。,every individual sensor node can retrieve all readings and execute the process of localization before carrying all data back to the active or reference nodes. Each sensor node in the corresponding destination frame can communicate completely with other nodes and has no accident or interference problems [18]。在时间 ,主动传感器节点发出一个消息请求位置通过听的所有节点,每个节点信息 。在给定的信息,每个节点进行多普勒速度估计。从传感器采集所有数据后,主节点获得所有的估计和执行本地化的操作和传输完整的估计回活跃节点。或者,可以收集和传递数据的活动节点定位后完成。活动节点的更新或主节点估计跟踪和导航算法的估计点。本地化是另一个困难的工作;全球定位系统(GPS)的使用仅限于表面节点因为在水下,GPS信号不传播(19]。选择更少的定位方法陆地传感器网络已经提供,但他们必须修改由于声信道的描述。声通道低带宽、高传播延迟,错误率高。定位协议,因此,需要采用最小可行的节点之间的信息交换和交换等信息的双向数据交换(见图2)。这也是评估传感器节点的限制电池能源和水下传感器节点电池充电或更换的问题。

执行定位在一个更好的方法,它需要几个位置已知的对象,即。,anchors and distance or angle measurement between anchors and the object to be located underwater, i.e., unknown sensor node. The anchors can be placed in a fixed position and their coordinates may have been configured in the beginning, or they may have distinctive hardware to learn from the location server such as GPS. Using angle or distance measurement between the anchor and the unknown node to estimate the location of an unknown sensor node and also combining measurements occur. Sensors presently used for oceanographic studies are either located with long or short baseline (LBL/SBL) devices. With a set of receivers based on acoustic wave communication, sensor positions are described in both instances. Acoustic transponders are introduced in the LBL either on the seabed or underfloor moorings around the application region [20.,21]。多种误差源的影响LBL-based方案的详细定位精度进行了调查和评价。这表明更严重的变量可能影响一般精度的校准发射器和大量的数据对声音的速度在操作区域。一艘遵循传感器SBL方案和利用短程发射器允许定位的过程。

UWSN典型由各个节点固定在最低的海洋与水下无线网关(22- - - - - -24]。来自这些传感器的信息传播在这个网络的最低海水面站通过多次反射链接。配备有明确的网关在水下节点直接与直立和收发器。第一个网关是用来转移指令和星座信息节点和接收节点收集到的信息。第二个网关是用来传输到水面站的监督信息。对比浅水,正直的沟通通常是必不可少的一个长期在深水中实现信息的传输到水面。应用声学通信完成多个通信收集来自节点的信息,在无线电通信与卫星通信传输通常是传统的沿海水槽收集到的信息。传播范围的水下传感器节点将一系列的传输和解码数据包。比较接收时间和传输时间编码的数据包,每个传感器节点可以实现到达时间(ToA)估计的数据包信息从各种表面节点,在此基础上试图计算它的特定位置。从表面节点广播水下节点是单向的沟通和本地化质量独立于水下传感器节点的数量,并没有额外的水下传感器节点之间的干扰。 The underwater sensor nodes contain a controller to accommodate with an oceanographic sensor through a sensor pledge micro security [25]。接收数据从传感器到控制器上存储在内存中。控制器可以储存、进展和广播到网络设备。

3所示。建筑UASN

众所周知,能源消耗在UWSN更重要,这可能限制长生命周期。因此,网络拓扑是需要精心设计的基本方面减少严重影响网络性能。同时,网络的可靠性和容量依赖于网络拓扑。因此,如何组织这样一个网络拓扑是一项具有挑战性的任务,和研究人员需要更加关注网络拓扑。UASN的体系结构是根据两个指标:一个是运动能力的传感器节点,即。、固定、移动或混合;另UASN的空间范围,即。、2 d或3 d UASNs如图3。下的节点自由浮动水便携式UASNs unpropelled和无线传感器节点以及水流的漂移。在UASN驱动的传感器节点,节点运动可以由惯性导航系统控制。自治水下机器人(auv和无人水下航行器(UUV)漂浮,流浪者,滑翔机,分析浮动,随着unpropelled便携式机械的例子。大多数这些工具用于海洋学收集数据和测量各层的海洋环境。流浪者操作主要是在地上,漂移与风和表面波漂浮移动与当前的水。他们是用来获得测量来自海洋的表面和发送信息到陆地的中心通过卫星或GPS。滑翔机设备由浮力驱动的,因为他们可以为剖析旅游垂直与浮动。除此之外,他们的身体和翅膀的协助下设计结构,它们可以横向移动。传感器节点与海底表面浮标或单位在固定UASNs固定位置。 For example, the port entrance, stationary UASNs are applied for controlling a certain region. Mobile and stationary nodes coexist in hybrid UASN architectures. In [26,27),使用混合架构,一个便携式水槽节点横向网络,从水下传感器节点收集数据。

立即域与声能量密度与声能密度源在响亮的字段和一个开放的氛围,一个使用声波声能量密度等反映出不同的墙。直接现场声能量密度取决于距离相关的来源: 在哪里源力和吗声速。它已经隐式地假定一个全向源;如果源方向,直接依赖于方向。

和声学能量密度和声强度都与一个各向同性均匀回响域(28):

完整的声功率的导数的坦克, ,声功率之间的方差是强制的吗源和退化的声功率吸收或传输在墙上 。

在方程(3),Sabine系数代表的吸收和传输由于墙壁。当达到平衡 ,然后

它代表了归属感之间的权力来源和混响声能密度的部门 。

在2 d UASNs,所有传感器节点应该是在同一深度,例如,他们可以部署在海底和海面,每个传感器节点可以浮动在任意深度在3 d UASNs [29日]。固定传感器网络通常被认为是2 d的传感器节点定位在地上浮标或海底的锚。的财富UASN架构是部分原因是传统的描述UASNs和部分应用程序和特定的设计标准。例如,全球定位系统可以用于二维静止UASN与节点部署在海面上,或类似的UASNs海底单位,可以将传感器节点部署在预定义的位置是微不足道的。此外,固定UASNs不涉及普通本地化便携式UASNs一样,这意味着定位通信协议与相对高开销仍然可以作为他们只目前的配置操作。在[30.),作者还提出了建筑UASNs等将它分成不同的组(a)静态架构,(b)混合架构,和(c)移动UASNs和独立的网络。

4所示。相关的工作

在本节中,我们给出一个简短的描述水声通信。之后,我们回顾一些广为人知的计划,用于水下定位。目前,水下通信系统利用EM,光学和声学数据传输方案的各个位置节点之间传输数据。EM通信方案的影响进行水下环境的性质在光学波只能移动很短的距离,因为光学波在水下环境中更容易吸收(31日,32]。因此,声波通信方案只有一个方案,更好的性能比EM和光学衰减在水下环境中由于少。声信号也没有在深水中的衰减和耐热水下字段。声学信号衰减更浅与深水由于温度、噪声和多径反射和折射。在水下领域,这个声音的声音速度并不是常数而是速度变化几乎在每一个点。水面附近,声音的速度几乎是1500这是四倍的速度在空气中非常缓慢而EM和视神经的速度在空气中。

由于独特的挑战声通道,它是高度变异,例如,传播延迟高、变量声音速度、窄带宽、反射和折射。由于这些独特的特性,它创造了更多的问题MAC协议。MAC协议有两个主要群体如基于内容和scheduled-based协议。基于内容的节点完成彼此的交流信号,而scheduled-based避免传输节点之间的碰撞。基于内容不适合水下环境,而scheduled-based如TDMA和FDMA不是有效的由于高传播延迟和窄带宽,分别;然而,CDMA适合胡安(33,34]。

本地化方案UWSN提出在大规模UWSNs本地化问题。与TWSN,全球定位系统(GPS)不能正常工作在水下或减弱高度(35]。由于昂贵的水下设备,有限的带宽和严厉受损通道使本地化的过程极具挑战性。目前,大多数的本地化技术不适合水下深处字段。研究人员提出了一个新方案,主要包括四种类型的传感器节点,如精细,表面浮标,普通节点和锚节点。引爆器连接到水面浮标和可以潜水,上升到水面的广播它的位置。表面浮标应该与GPS。锚节点可以估计基于位置信息的位置的依据和评估距离相同。这个定位方案是可伸缩的,可应用于对定位的准确性和成本作平衡。

在[36),作者提出了一种新的SLMP本地化技术流动的预测,为大规模的usn。在这个方案中,通过固有的时间相关的好处在水下移动的对象,锚传感器节点进行线性预测。每个普通节点猜测他们的位置在水下使用对象流动模式的空间相关性和加权平均得到其他传感器节点的能动性。新方案的仿真结果表明,SLMP可以高度减少沟通成本,同时保持常数相对较高的精度和覆盖率本地化。作者还估计不同设计参数的影响,如预测步骤,信心阈值,预测窗口,和预测误差阈值,在定位的性能。

对比研究了各种定位技术,一些在接下来的部分也表所示2。定位技术相比,基于传感器节点移动性,估计范围,时间同步,定位精度,网络寿命,链接质量等局部节点必须申请时间同步如果ToA估计范围。定位技术,如沉默的定位是有用的在减少通信开销,因为节点只接收信息和不传递任何信息本地化。而接收端、传输利用更多的能量。递归定位更有利于提高覆盖率。路由协议,如果需要传感器节点的定位,然后任何range-free技术可以应用。任何本地化技术可以应用根据应用程序的需求。同时,LSL绩效比较,PL和医嘱定位技术提出了(37]。然而,这些计划遇到本地化的缺点。上述方案仍提供本地化的简要描述和许多重要的水下定位方面需要考虑。因此,本文可以提供一个详细的解释所有的定位技术,现有的挑战,面对水下定位、和未来方向的解决这些挑战。

5。技术用于UASN本地化

短暂,以GPS定位算法提出了地面网络,高频GPS等原因,不能直接用于UASNs减弱水下迅速而不能到达传感器节点数米在水面以下。同时,GPS-less定位系统实现高开销的沟通(38,39]。由于上面的原因,不可能与UASNs直接适用于WSN定位。在[40),作者提出了“随机距离嵌入算法的适应性和UASN“多维定标算法”。这些算法进行并发的定位目标节点直接定位算法相比,基于射线追踪,进行顺序每个目标节点的定位。拟议的方法定位考虑声学射线的弯曲,因此,当实际UWSN部署,给良好的精度。算法的调整提供直接的绝对位置。有很多定位技术;他们中的一些人分为集中式和分布式的定位方法。在集中式定位技术中,首先,估计每个传感器节点的位置在控制中心或水槽和传感器节点不知道自己的位置,除非水槽或引用节点显式地将这些信息发送给节点。在这个技术,传感器节点可能本地化的过程,如在后处理阶段,或者他们可能定期收集数据的跟踪传感器节点。分布式定位技术允许单独每个传感器节点进行定位;他们可以自由地做单独独立本地化。 Centralized and distributed localization techniques are divided into subcategories, i.e., estimation- and prediction-based localization. In the estimation-based localization, the latest available information is used to obtain the current location of the sensor node. For the prediction-based localization, the previous node location, distance information, and anchor location are used to predict the sensor node located at the next moment. Therefore, it is appropriate for mobile UWSN or a hybrid UWSN.

5.1。集中式定位(CL)

在这种技术中,首先,它计算中的每个传感器节点的位置控制中心或下沉,和传感器节点最初并不知道其位置,除非显式地发送这些信息。在这种方法中,节点可以位于任何操作,即。,postprocessing phase or data may be collected sporadically for sensor node monitoring. In centralized algorithms in [41),其中一个关键组织(例如,控制中心)存在收集所有需要的数据或评估(例如,估计节点通信范围和计算距离之间的距离传感器节点)和集中使用传感器节点的网站。在中央组织决定了传感器节点的位置,它将发送位置信息反馈给相应的传感器节点。传感器节点在一个集中的交互算法通过一个基站,其中包括一个细胞,如图4。

5.2。Estimation-Based本地化

Estimation-based本地化技术进一步分为以下部分:(1)Hyperbola-Based本地化(HL)。使用基于双曲线定位方法,声源的位置,即,a target such as mammals, can be identified in the oceanographic scheme using hydrophones such as sensor nodes with known locations [42]。霍奇金淋巴瘤也适应标准海洋站2 d UASN定位声源定位问题。在HL,传感器节点将宽量程信号发送到锚节点约1公里,一个集中的传感器节点的估计位置。指的是(43),作者提出一个新方法为UASNs更好的定位精度。这个系统使用hyperbola-based策略来检测事件地点和正态分布来估计和规范建模错误。这个效率的方法演示了一个单独的增强的估计最小二乘的常用基于圆。在陆地上的应用程序中,一个multi-iteration和最小二乘法测量系统通常实现找到一个体面的估计(44]。但这个系统不是有用的在水下应用程序由于其巨大的通信成本。在同一时刻,它是指出,距离测量误差通常遵循一个特定的形状,可以实现进一步提高定位的精度。作者评估和使用测量误差的分布来提高定位的精度(2)运动注意Self-Localization (MASL)。由于长时间的推迟在水下环境中传播的信号,它可能需要更长的时间来收集的数量估算距离需要本地化,从而增加的可能性,过时的信息。MASL的主要目标是发现错误的估计距离和提供一个精确的定位方案。水下传感器节点收集传感器节点之间的距离估计MASL邻居和本身的方法。估计的距离是通过特定的迭代执行性能。在每个迭代算法抛光位置分布,分布领域的事件分成更小的网格操作和选择节点驻留的区域。在[45),作者模型层的洋流等于密度,可变速度,传感器节点的移动与水下电流(3)3 d Multipower区域定位方案(3 d-mals)。3 d-mals MASL方法不同,结合锚节点的思考[46)可变利率的传输能量和锚节点的思维浮标房子机械装置的垂直流动(47),作为水下收发器称为可拆式电梯的电梯收发器(依据)。侦破广播组gps坐标在不同浓度的水下能量,然后下降。unlocalized传感器节点可以检索移动锚节点的位置和他们的分别,最小的能量浓度,然后寄给或水槽节点的引用。参考节点可以理解每个传感器节点收集数据后的位置(4)成立本地化方案(ALS)。它是一种方案,提供了一个估计的传感器节点是传感器的面积,而不是精确的坐标。锚节点在ALS操作区域除以发送消息不重叠的区域在不同的能级。ALS是合适的设置,不需要精确的位置数据和锚节点时可以改变他们的传动功率水平。ALS的好处是,接收到的信号强度(RSS)联合光,range-free,没有同步的要求。应用程序要求网络位置估计,ALS是不合适的,所以它不适合精确的定位。在[37),ALS是一个算法range-free usn,集中和粗粒度。水下传感器节点维护一个锚节点列表和相关能量浓度。这些数据被发送到参考或水槽的传感器节点和水槽发现该区域的传感器节点驻留。ALS提供粗粒度定位评估和这是一个集中的本地化。因此,它不适合大规模usn和应用程序需要准确的位置估计。在提供所有区域(一个用于每个锚节点)驻留,主服务器提供了传感器节点位置评估(48]。另一方面,USP是一个三维定位算法与内部位置多粒相比,肌萎缩性侧索硬化症(即。,它衡量一个节点的位置在一个坐标系作为保护位置在一个分区)。在[49晚饭),作者认为,只有从其邻近的传感器节点和传感器节点传输信息然后与附近的传感器节点共享。使用这个协议,在现有的网络数据包碰撞节点发现。同样,只有种子节点可以额外的结果;剩余的节点在网络不包括电力消耗其他邻居节点发送文字信息。最远最远最远的算法,/最近的算法,最近的/最远的算法,和最近的/最近的算法算法用于选择额外的种子节点(50]

5.3。Prediction-Based本地化

(1)协作定位(CL)。一个协作定位(CL)方案51)考虑便携式UASN应用程序就是水下传感器节点负责收集海洋深度信息,负责转移到水面。此体系结构使用分析器和支持两种类型的水下传感器节点。这两种下来的水下传感器节点,但分析器下来之前,即。,比其他节点。分析器和追随者之间的距离是定期评估使用ToA把分析器的追随者。特别是,CL算法重时间同步算法高架传输延迟和多路径UASN的声传播渠道。通过使用新的时间同步协议,目标位置是评估使用基于最大似然(MLL)技术的距离到达(DoA),因为真正的和测量位置之间的统计模型是基于海洋通道信号包络。建议的算法也遵循distributed-centralized计算操作最小化能量传输节点usn(2)分布式定位。分布定位方法允许每个传感器节点定位分别或节点可以自由定位等附近距离,锚的位置,和连接数据,然后将所有这些数据分别发送到参考或超级节点。另一方面,而不是被放置在一个中央实体的功能位置发现分布式传感器本身的分布式定位算法。在一个分布式网络,传感器节点通过点对点(P2P)进行通信,如图5。

分布式定位算法通常假定锚传感器节点随机分布在整个传感器网络,和锚节点在网络的比例也很高(5% - -20%)。在陆地传感器网络部署锚节点不是一个挑战,因为一个gps节点可以作为一个锚节点(52]。然而,在一个水下场的情况下,网络建立的支柱ABC等随机分布的锚节点;之前已经知道的确切位置并不是一个微不足道的问题

5.4。Estimation-Based本地化

(1)AUV-Aided本地化(AAL)。AAL-based方法提出了(53)混合与静止的水下传感器节点和3 d UASN AUV UASN部门的旅行。利用船位推算方法,AUV水下可以得到它的位置。航迹推算昂贵的惯性驾驶机械是可行的和位置一直定期校准。AUV去水面为这个目的在特定时期实现GPS协调从卫星。唤醒消息可以播放从一个单独的点在其移动路径在AUV操作周期。它发生在AUV水下传感器节点接收到这个信号,它开始本地化AUV传输请求信号,采取行动和AUV回应应答信号。对请求和响应包提供一个双向算法和响应数据包包含了AUV坐标,水下节点使用lateration过程来测量其self-location交换信息后从三个不同noncoplanar AUV位置(见图6)。AAL利用双向显示缓解需要同步,但另一方面,传感器节点可以投资一个沉默算法更多的能量比也提高了通信协议的开销。光芒四射的精度也受到了AUV的定位校准频率。评估一个水下机器人的单信标定位问题建模为一个双积分器(54],其输入是一个惯性参考系的加速度和它的输出是一个静态信标的范围。范围和位置之间的非线性映射允许基于范围要考虑非线性可观测性问题。两个互补的问题是这里讨论的可观测性评估:首先,当地的弱非线性系统的可观测性和第二,世界范围内的线性时变系统的可观测性表示了一个世界性技术增加水下发射一个全向信标55]。当AUV穿过传感器节点 ,这个节点接收信号,可用于计算的距离水下机器人和传感器之间的节点。同样地,距离可以计算使用ToA技术如图7。传感器节点的坐标,它需要在两个不同的时间瞬间AUV的坐标。节点的位置选择是基于简单的三角测量操作。AUV路由也非常复杂,保证两个必要信标消息可以从水下机器人为每个节点获得的。时间的差异表明某种程度上的距离。该方法主要基于时差(56]。在不同的地点,AUV广播其坐标。当收到消息从三noncollinear多AUV地点,水下节点估计外侧。这种方法有一个很大的延迟本地化由于AUV的缓慢速度,这就是为什么它是用于固定usn比动态usn。(2)沉默的本地化(SL)。有三种消息AUV-assisted定位系统:唤醒,需求,反应信息。定位的过程包括三个步骤(57]。AUV发送一个唤醒信号时加入感应操作区域。所有传感器节点发送请求信号或包后唤醒信号AUV然后用响应数据包进行响应,包含AUV的坐标。在这个阶段,每个探测器节点至少应当与AUV通信一次。因此,熟悉本地化消耗额外的能量。由于传感器节点之间的通信能耗和AUV,更好的选择是,在定位时代,只有信号由传感器节点接收没有与他人互动。这种策略叫做“沉默的定位技术。“信标在传感器节点之间交换和AUV在过去的方法。最后,沉默的定位可以大大减少水下定位能耗。(3)潜水和增加本地化(DNRL)。请参考[58),为了更好地定义DNRL。分布式,estimation-based定位协议,适用于移动锚使用水下传感器节点的定位,和这些锚节点命名为灯塔被称为“潜水'Rise医嘱)。“通过使用相同的液压法分析浮动法律法规,医嘱可以下降和提升。当医嘱到达水面,它利用GPS接收器和达到GPS坐标而漂浮在水面上。再次潜水后,广播他们的坐标在几个时期直到precalibrated水下深度。移动锚爬到本地化的水面在第一轮获得更新后的GPS坐标。他们下,潜水或提升定期轮旅行等等,直到UASN阶段的结束。水下传感器节点听带时间戳的医嘱文本和使用ToA的方法来评估医嘱信标使用单向距离范围。估计范围和锚节点的坐标用于lateration。DNRL的一个优点是沉默,结果在低通信开销和高能源效率。医嘱覆盖面宽,给出一个准确的估计的移动锚潜入附近水下节点和定期更新他们的位置,当他们到达水面。 On the other hand, for high localization effectiveness, DNRL needed a big quantity of DNR beacons, while DNR beacons are expected to be more expensive than other underwater sensor nodes due to their movement ability(4)代理本地化(PL)。PL利用DNRL方法来定位网络位置的顶部。医嘱信标沉一半的3 d USN深度。局部节点成为这些节点代理的位置,漂浮在更大的浓度。代理广告位置self-coordinates进一步定位在代理的地方。Nonlocalized水下节点可以以后使用和定位自己与代理坐标。nonlocalized水下传感器节点选择值得信赖的代理节点之间使用跳跃数度量。跳数的距离是一个代理节点到信标。在迭代方法的定位误差积累代理节点远离灯塔。因此,最低的代理节点跳转范围可以选择提高如图lateration方程的准确性8(5)使用定向信标定位(LDB的)。LDB的建议的3 d UASN混合固定水下传感器节点所在的AUV喜欢AAL [59]。当AUV达到水面时,它会从GPS坐标,再次潜水到一定深度,并执行水下self-localization船位推算。LDB有别于AAL在本地化操作期间,上述AUV旅行操作区域如图9和10。它利用定向声波收发传输位置和收发器的角度。传感器节点使用角数据本身的AUV坐标映射到同一水平面。在两个或两个以上的信标节点,节点可以评估位置信息。传感器节点听信标节点和波束形成不同的圈子 。圆的中心是( )。因此,圆半径可以表示如下: 在哪里圆锥角灯塔和吗 。粗糙的位置通过使用接收信号( )可以估计60]。另一方面,LDB range-free,沉默的定位方法,比AAL有效作用的方法。LDB的一个缺点,UASN上方的AUV仅限于旅游区域,这可能是不可能在一个真实的情况。此外,由于互相撞击,AUV的频率信息影响定位精度的过程(6)多级定位(实验室)。据我们了解,作者建议实验室系统,定义了DNRL-related通过添加覆盖和延迟一个额外的使用有效地定位水下节点定位阶段,为锚节点。unlocalized节点利用三坐标和估计范围从noncoplanar传感器节点可以医嘱信标或本地化的水下传感器的传感器节点。由于迭代定位法,韩剧的缺点是其高通信开销。为了这个目的,因此,与韩剧不如DNRL节能。此外,火星科学实验室提供本地化的水下节点的位置估计已经包含失败估计。误差积累在节点使用本地化的水下节点的坐标代替锚节点的坐标。因为它的单向ToA算法,火星科学实验室与DNRL算法,还需要时间同步(7)水下定位系统(UPS)。UPS系统用于监测和潜水员潜入水下驾驶车辆或通过测量声波范围和/或方向,和随后的三角测量的位置。UPS是常用的水下,包括石油和天然气的勘探、海洋科学、救援活动,海洋,执法和军事目的。作者建议,一个扩展的陆地传感器网络定位系统中引入61年]。UPS是一个定位系统基于站UASNs辐射源。它利用四个锚转移信标消息顺序。一个锚节点是主锚和初始化定位的过程。假设主锚被选为“一个“锚(见图11)。这个信号是由锚“B”和“S”当传感器节点信标信号发送。锚定“B”对锚“A”通过记录的时差锚“A”到达灯塔和信标信号传输时间。主持人“C”和“D”重复相同的“B”锚后连续循环。“S”听到这些信标节点锚和计算灯塔的辐射源。然后,通过声速相乘,辐射源脉冲值范围的区别。节点是假定理解锚的位置和测量self-location使用锚位置和范围差别三边测量方程。因为UPS利用辐射源、同步不是必需的。作者还建议,即。,a silent acoustic positioning system for the underwater vehicles/sensors, which depends on the ToA of RF signals for location estimation from three anchor nodes. UPS comprises essentially two steps: in the first step, from four anchor nodes, they can detect variations in signal arrival times. These time distinctions are converted from the underwater vehicle/sensor to the anchor nodes into range distinctions. In the second step, the transformation of these distance estimates into their coordinates takes place through trilateration. The authors suggested that UPS silent placement should be further emphasized. First, because sensors/vehicles do not transmit any beacons for positioning purposes, it can considerably retain bandwidth and therefore modify network throughput. Second, UPS also applies four or more anchor nodes to an asymmetric UASNs where the underwater vehicles or sensor transmission could not reach. Third, silent positioning offers powerful privacy of location that can assist safeguard sensors/vehicles from detection in critical circumstances(8)宽范围定位(WPS)。UPS算法可能不唯一定位四个锚节点中的所有传感器节点操作区域(62年]。它表明,锚节点附近的传感器节点需要五个锚来解决这个问题。在WPS,四个锚时使用独特的位置可以实现利用四个锚叫UPS (4);否则,WPS将使用五个锚(UPS (5))。UPS(4)和UPS(5)一起使用来解决传感器节点的通信开销和价格四个锚,已经可以。这些节点使用相同数量的能量作为初始系统的本地化(9)水下传感器定位(USP)。使用USP,水下定位水下节点虚拟装备的帮助下压力传感器节点,节点发现他们的深度位置。深度数据使用一个水下节点映射访问锚在它所基于的水平面。从三维到二维的映射时,一些锚节点可能驻留在重叠的位置。在这些情况下,一个水下节点挑出另一组固定的传感器节点。本地化的水下节点传输位置数据在每个迭代的USP和燃烧自己的位置估计基于邻居节点的消息。unlocalized节点试图构成只使用两个锚节点定位;这个过程称为bilateration。如果两个锚不计算一个新的位置,节点将等待,直到他们已经听到来自其他邻居的节点本地化。在睡眠时间是预先配置的时机,三周本地化操作相同。 In [63年),作者提出了在水下传感器网络定位系统。为此,作者实现了一个加权Gerchberg-Saxton算法来解决多路声传播问题各种可行的两个节点之间的距离测量。范围的标准定位技术发现两个传感器节点之间基于首次到达或较强的方法,但是没有同意立即在水下声波的路线。WGSA,基于ML的规则,它可以用于从整个现有的多路径识别的直接路径通过连接每个路径权重组件;大概可以理解以某种方式的可能性,路径存在的直接路径WGSA算法的权重组件和传感器节点的位置是定期更新或基于迭代,每次迭代计算简单。USP (64年)是基于传感器网络技术,它使用许多传统水听器站和GPS传感器节点在水面之上。指的是(65年),一种新的水声定位系统使用新的术语。计算单元范围的距离可以交替计算基于时差用噪音传播损失和传播距离之间的关系。这是一个非常简单的程序进行处理,它可以用来衡量一个长途络筒机介质。对于一个水下机器人,水下声学定位系统图所示12。在[66年),一个表面的几何配置传感器网络将最大化与水下目标定位算法相关的各种各样的信息在一个良好定义的意义。由于高斯白噪声,估计不精确的范围及其差异取决于距离。费舍尔信息矩阵(鳍)和它的行列式最大化是用来评估传感器节点提供目标的星座最准确的位置。另一种方法是定位和映射水下机器鱼(URF),这是基于粒子滤波(PF)系统合作本地化和占用网格映射算法(OGMA)。建议CLPF更有利于使用概率算法,他们没有以前的数据或信息URF模型需要准确地实现三维定位。如果移动信标节点的数量小于4,一些传统的定位算法的最小数量,可以达到很好的精度。构建环境地图,输入OGMA CLPF的定位结果。此外,即使在正常的连接,USP减少了本地化的成就比其他调查定位方法(10)Anchor-Free本地化(AFL)计划。一般来说,现有的定位算法主要假定网络有大量的锚节点(67年),助理的节点定位。主要是,它使AUV有时一个传感器节点的使用与特定设备,锚节点,AFLA。AFLA尤其用于水下网络活动的限制。AFLA而言,他们不需要锚节点信息和使用数据的邻居的传感器节点。在[68年),作者的另一个困难的算法定位许可证节点发现视距(LoS)和任何无关的刚性参考传感器节点。他们创建一个基于地表反射anchor-free本地化(SBRAL)方法中所有节点使用同态反褶积建立反映通信连接从水面。GPS-free协议(69年)可以发现节点和节点的相对位置。节点发现的过程开始于第一次或一个初始种子节点与一个已知的位置或位置。第一个种子节点可以确定相邻节点的相对位置不使用内部信息和类似于第一个节点,其他节点的网络。Self-initialization包括某些遥远的节点成为种子节点进一步发现的周期等等。节点是由种子节点 ,然后邻国之间的广播消息和接收响应来自不同节点,然后选择第二个节点 。 修改相同的过程,广播,和接收年代₃,等等。最后,传感器节点在十字路口地区这三个种子节点可以使用三边测量算法确定他们的位置如图13。同时,由于最大延迟在水下的传播媒介,节点发现过程可能需要很长一段时间由于AFL周边传感器节点之间基于交流范围的估计。和目标站的方法是被视为一个幸存者没有premeasurement RSSI校准和抽样。这个算法的缺点是固定使用一个移动的距离请耐心的评估而不是已知的距离。通过使用剩下的柜台的方向运动,直到超过,它表明改变方向

5.5。Prediction-Based方案

5.5.1。可伸缩的定位与移动预测(SLMP)

SLMP是采用表面浮标、锚节点和普通节点(36]。通过使用坐标及其流动模式之前,锚节点地位的措施。随着流动模式可能会停止使用,锚节点定期检查模式的有效性。更新时锚触发模型不再有效。GPS坐标由地面浮标和发送到接收锚节点。预测它的位置后,使用锚节点坐标的水面浮标和lateration浮标测量距离和估计他们的立场。如果欧几里得差别小于预期,估计之间的极限位置,锚节点将考虑其有效流动模型,根据流动模式,通信开销,在SLMP和能源消耗。SLMP使用时间与空间流动的连接模型代表了潮流在浅水区。因为这个相关运动,SLMP需要更少的更新,导致交互和功耗低的开销。锚节点周期性地预测他们的位置和距离测量检查他们的预测的准确性,水面浮标。 They update their mobility pattern if the prediction is incorrect and send a signal to the ordinary sensor nodes. With their mobility model, which is updated when anchor nodes announce an update alert, ordinary sensors predict their location.

算法进一步分为基于范围和range-free [70年]。

6。基于范围的算法

准确的估计距离或角度测量是基于范围算法,和辐射源,ToA和AoA算法用于此目的。由于某些限制和它的时变特征,很少用于UASNs RSSI不太方便。辐射源雇佣了到达时差,时差不同的传播媒介或从不同的参考信标节点用于评估两个物体之间的距离。同样,ToA距离估计的到达时间使用。提出基于范围的算法(71年UASNs),最常用的技术是ToA算法,并在UASNs青睐与陆地相比。这是几次小于无线电信号在大气中由于在水中声速。ToA主要是实现UASNs,尽管ToA所需的节点间同步。研究了混合轴承及基于范围UWSN (72年]。作者探索的影响比较sensor-target几何在水下目标位置的潜在结果。最优性准则函数构建的费舍尔信息矩阵(鳍)行列式,和均方误差(MSE)也提供了类似的评估。均方误差最小化前提,假设下的一组探测器的水下目标之间的距离,鱼翅是最大化的行列式。作者建议本地化方法称为两阶段时间Synchronization-Free定位算法(TP-TSFLA) (73年]。TP-TSFLA包含两个算法,该算法基于范围的评估和range-free的算法。作者讨论时间synchronization-free定位系统在第一个算法基于粒子群优化(PSO)的方法来实现未知节点的坐标。在第二个算法,作者为圆形Range-Free定位算法(CRFLA)来定位unlocated节点通过第一阶段无法获取位置信息。第二阶段,发现这些传感器节点的位置进行坐落在第一阶段如帮助新锚节点。下面是一个综合目标辐射源,ToA、AoA和描述(RSSI)。

6.1。到达时差(辐射源脉冲)

定位是无线传感器网络中的主要问题。的目标辐射源定位水下是一种常用的方法。利用辐射源脉冲方法,目标与锚节点可以异步74年]。使用异步ToA-based定位方法(75年- - - - - -77年),传输时间是未知的来源,ToA测量值有良好的偏见由于同步错误从而导致很大的定位错误。一种方法是使用TDoA-based测量来解决这个问题,不依赖于发射机源的传输时间。他们还利用SDP的方法将非凸标定问题转化为一个凸的问题。从水下GPS信号极其衰减,有必要开发一个精确的基于范围水下定位算法。作者定义一个序贯法的时间同步和本地化声通道(78年]。作者认为这是一个现实的情况下,节点不时间同步和水声速度也是未知的,验证定位为一系列的问题两个线性估计问题。的传播速度随深度变化,温度、盐度、等等,锚节点和unlocalized (UL)节点不能被视为时间同步,和水流不断移动的节点或自动。作者定义一个新的序贯算法在一个水下设置联合时间同步和位置。这种关联的方法是基于锚节点和联合国之间交换信息,使用定向导航算法用于节点实现精确的短期运动和使用连续节点的估计。该方法实现精确定位环境利用只有两个锚节点时传感器节点和超过基准系统同步和传播速度数据是未知的。

6.2。到达时间(ToA)

在ToA-based系统中,目标必须与锚对称的传感器节点。作者提出了一种新的模式79年]叫ToA-Based跟踪同步(ToA-TS)扩大GPS定位信标信号不一致和轮廓监控潜水而同步时间。和信标传输一个信号将包括灯塔的位置从GPS数据,以及代表时间的时间戳是基于全球时间发送。接收器,保存消息的接收时间根据潜水器的本地时钟。在[80年),调查员介绍飞行时间的混合定位算法(ToF)和Direction-of-Arrival (DoA)是可取的浅层水下控制应用程序的设置以及港口监控操作。本地化ToF和DoA可以测量使用单行操作范围。然后,我们需要结合ToF和DoA减少参考节点的数量。ToF测量是由计算之间的传播传播时间停泊参考天线底部的槽和一个天线阵。信号DoA的测量是由评估触摸天线阵列DoA角。实时定位在81年),合作低开销为便携式水下网络监测方法措施在实时的情况下车辆的位置。节点遵循更可预测路径,可以提高定位效率的战略定位信标最重要的是,在这个场景中,所有的汽车可能会听到一个周期性的灯塔。联合定位和时间同步解决方案考虑了水下环境的分层影响;因此,补偿距离计算的偏见导致直线假设声波水下旅行。的精度是极大地增强了把时间同步和本地化82年]。定位一个水下传感器节点的问题(83年,84年]研究作者基于消息广播从各种地面节点。与多载波调制解调器的ToA读数基于SDP,每个传感器节点本身可以定位到接收节点的旅行时间不同的传感器节点之间的区别。

6.3。到达角(AoA)

AoA分布式定位和定位算法,假设所有未知的传感器节点可以检测事件信号角度从附近的传感器节点85年,86年]。这种技术的本地化,取向和设计几个跳离灯塔数据。嘈杂的角度估计的假设下,该算法的目的是。初始化一个明显的DoA的方位方向峰值功率在一个低分辨率的传感器。一个小数组用作天线和相位微分沿着阵列轴作为衡量明显的AoA的正弦。也许最明显的DoA在到达的确切范围之外。的原因可以从两个数组组件之间的情况理解零衰减。AoA能力提供附近的节点为每个节点对节点的轴轴承(87年]。辐射是一个角,一个对象可以看到从另一个角度或反向轴承。在节点传输的情况下他们的轴承对信标节点,AoA-based系统负责。在[88年),计划用于收集重合时间和AoA信息定义一些GHz。同时,数据处理的算法描述和分析结果从两个不同的结构中收集的信息。提出基于模型所使用的测量结果萨利赫和Valenzuela(1987)集群双泊松ToA模型。time-angle室内的多路径数据,一个精确的聚类形状确定。信息保持时间集群和集群的角度形状也被发现。每个集群的意思是角度确定为对所有角平分秋色。

6.4。接收信号强度指示(RSSI)

有许多方法来测量信号强度与距离等RSSI节点和接收到的信号。获得的信号功率主要取决于无线电波传播路径损耗的影响。如果之间有一个障碍的来源发射机和接收机,信号功率可以在各自的阻塞连接大大下降,这是有辱人格的估计精度范围(89年,90年]。作者提出了一个基于rss的定位算法基于最大似然估计(标定)阻塞字段未知路径损耗指数(开业)。一个基于rss的定位是实现91年]UWSNs使用声学信号。他们提出了一个新颖的SDP估计量,包括一个基于rss技术和频率相关微分过程,称为FDRSS-based方法,基于映象传输损耗(TL)模型;这两个技术提供重要的定位效果。基于RSS的水下范围估计,新兰伯特的实现函数是建议。它表明,推导出的数学方程可以使用四个迭代计算精确的距离(92年)使用兰伯特函数。作者预测,更UWSN应用,特别是传感器网络,将兰伯特函数。作者提供了一个基于rss的UASN定位算法和分层补偿(NRA-WSE) (93年]。在NRAWSE Urick传播模型将基于rss的本地化质量,以及对分层的影响建模通过使用射线追踪算法,进一步采用牛顿迭代算法源定位解决方案。UWSNs根本问题之一是确定探测器的位置主要是通过评估锚节点和未知节点之间的距离。测距算法通常是由评估ToA或RSS信号。先前的研究水下交易与直线波传播的假设的位置传感器。然而,事实是,由于水下框架的不均匀性,声波穿过弯曲的方式。作者使用了一个分析的关系(94年,95年)描述声波的传播损失的非齐次景观然后在关系的基础上。提出一个独特的算法来估计两个传感器节点之间的不同,表明,水下辐射噪声,并使用RSS源各向同性的,这是来自UWSN传感器正确测量的源节点的位置。作者描述另一个传感器模型范围之间的关系,RSS和3 d扩展卡尔曼滤波器(EKF) (96年]。射频传感器是基于RSSI的水下介质线性值。基于各自的传感器模型,车辆测量信号的响度和措施距离信标。

7所示。Range-Free算法

使用range-free定位算法,我们不需要使用各种各样的轴承信息;它只提供了一个粗的传感器节点的位置估计算法与基于范围不同。混合定位算法与多次反射移动水声网络提出了作者在97年)加强本地化方案的有效性在水下移动介质。传感器网络中的节点分为多级节点算法和每个阶段都有不同的定位操作。基于范围的算法和range-free算法用于提高定位精度,减少沟通成本。此外,该算法不涉及任何先前的理解运动的速度,很容易用一个水下的媒介。此外,range-free算法分为基于跳点,成立算法,和质心算法。

7.1。基于跳点算法

基于锚传感器节点被放置在跳点算法的边界或角落一个正方形网格。三个算法DV-Hope,坚实的定位算法和DHL。DV-Hope利用平均频谱的估计希望和啤酒花的统计数量估计到锚节点的距离。健壮的定位算法来提高DV-Hop插入额外的优化步骤,而DHL意识可能使用密度动态而非静态估计距离。

实际部署传感器节点分布在哪里更有可能在某些地区,不均匀,稀疏,如DHL已经建议提高位置估计的精度在网络中节点的分布不均匀52]。这个项目需要考虑节点的邻居的密度计算的平均跳距离,以及错误的事实距离估计倾向于积累随着路径长度。

7.2。成立算法

成立本地化方案(ALS)和近似三角形(APIT)是两个点成立算法。ALS是一个集中range-free系统的主要好处是水下的阻力和简单变量声音的速度。他们可以测量一个传感器节点的位置在一个特定的操作区域,传感器节点时钟必须同步。它提供了最新的算法基于肌萎缩性侧索硬化症。例如,3 d multipower区域定位方案(3 d-mals)功能扩展2 d-als 3 d,而APIT需要异构网络。锚装有大功率发射器和可以使用GPS坐标准确获取位置数据。在[98年),作者使用了一种新的技术基于Mel频率Cepstral系数(MFCCs)。水声方法通常是非线性,很难评估,所以需要一个正确的非线性算法。因此,MFCC应用于水下辐射噪声提取特征。MFCC,因此,一个有效的识别和提取算法。

7.3。质心算法

质心算法是一种基于距离和粗粒度的range-free定位算法。质心定位算法的缺点是由于定位错误,因为较高的重心公式,( )估计接收机的位置。

对于3 d网络应用程序,关注节点的质心算法self-localization可能不合适。通用的分布式联合建立控制可替换主体机器人(99年等)能够在水下媒介应用multiautonomous表面车辆。ASV代理的目标是保持一些机构在一个预定义的几何形状,特别是对称结构的形成。此外,这种持续的重心建立之后来计价的领袖代理的动态出现这样的其他追随者。新的3 d水下定位算法利用三个浮标在地上叫锚节点与全球定位系统(GPS)是固定的,射频,声接收器。大量的水下传感器节点安装在不同的深度。这些可以固定在海底,安装在水面漂浮浮标。这些传感器节点从而限制运动的能力,被称为semistationary节点。

8。绩效评估的水下定位方案

在先前的部分中,我们讨论了全面水下定位方案和水声网络。水下定位方案进行了分析和比较。本节包含上述水下定位方案的绩效评估有关本地化和水下通信的各个方面。绩效评估提出了表3。

9。挑战和开放的问题

UWSNs提供一系列应用程序从民事、军事、和许多其他人。在定位过程中,检测到的数据只能被有效地应对传感器节点的位置时,这使得定位的关键问题。因此,GPS接收器通常用于获得这轮在地面操作;是不可行的UWSNs那样一个水下环境中GPS信号的传播。最安全的方法对水下声波通信的通信。水声信道,然而,面对较低的高误比特,带宽和高传播延迟由于严重的物理层环境。观察当前海底行为,它们通常是基于复杂的假设,如时间同步,他们利用了ToA技术在大多数情况下。当AUV到达水面,它会从GPS坐标;再次潜水到一定深度和执行为海底self-localization船位推算。LDB和光芒四射的区别是AUV旅行高于作业区在本地化过程中,利用定向声波收发器传输收发器梁的位置和角度。 Synchronization might be a large challenge in such an atmosphere. The challenges of UWSN are divided into two categories: first, the underwater environment, such as the deployment of reference nodes in the deep sea, node mobility, internode time synchronization, and signal reflection owing to barriers and reflective surfaces. The second is the underwater acoustic channel such as long delay in propagation, multipath fading and shadowing, sound speed variation, low bit rate, heavily unreliable and asymmetric SNR, and asymmetric energy consumption. Thus, by increasing energy consumption resultantly decreases network lifetime and efficiency. Here, we presented some basic challenges and open issues that need to be solved in the recent future.

9.1。时间同步

作为讨论的部分5时间同步是水下定位的主要方面。表面的传感器节点是由使用GPS时间同步或医嘱,而水下传感器节点不能时间同步,和水下节点的时钟受到倾斜和偏移量(60]。

9.2。可靠性

可靠性是一个关键的点在所有形式确保可靠性,如敌手,数据和端到端的可靠性。成功转发并参与UASN中的传感器节点之间的数据传输可靠性的一个重要方面。可靠性保证传感器节点之间的数据包成功交付参与协作流程(One hundred.]。本研究的回顾发现,可靠性是最重要的方面,但不幸的是,大多数现有的研究并没有考虑。因此,它是非常重要的算法,提出一个合作认为这可靠性。

9.3。节点移动性

虽然它是合理的假设节点在地面网络保持静态,水下节点将不可避免地漂移由于海流,风,航运活动等。节点可能漂移电流不同的海洋空间相关的。而参考节点附加到水面浮标可以通过GPS精确定位更新,很难保持水下节点精确位置。这可能会影响定位精度。

9.4。效率

效率也是一个基本的方面在一个通信网络提供一个有效的合作机制,促进不同节点间的通信。基于我们对当前的算法,它已经发现,没有方法考虑这方面One hundred.,101年]。协同控制活动需要一个有效的方法在水下定位成功的数据转发和交付。也需要包括合作博弈技术使用资源的效率,确保有效的交货信息,如果没有,那么这些信息传递的成本会增加,即。,延迟和吞吐量。

9.5。声音的速度变化

大多数基于范围假定恒速水声定位技术,并根据水压力,温度和盐度。没有测量声音的速度,距离测量的准确性基于ToA方法可能退化(60]。公平的性能比较的技术,他们应该被评估使用一个共同的和准确的声音速度方案。

9.6。安全性和隐私

大多数的研究者并不认为这两点在设计定位算法;然而,毫无疑问,他们在水下定位起着关键的作用。安全攻击水下定位和对策,以及隐私问题在水下定位和对策,讨论了(102年]。传感器节点必须显示某些信息本地化,这可以导致隐私漏洞。位置隐私讨论了位置相关信息收集的步骤和评估的步骤。这些攻击包括DoS,基于范围,没有估计范围攻击,不合作,虚假广告信息。

10。结论

本文回顾UWSNs、水下定位、定位技术和现有的水下环境的挑战。本文主要关注最近的方法用于水下定位。UWSN定位是一个重要的问题,从科学家致力于本地化水下吸引了相当大的兴趣。摘要UWSN和水下定位的独特特征是详细解释。此外,本文提出了定位基础、本地化的架构,用于水下定位和技术。各种水下定位技术相互讨论和比较基于他们的应用程序和效率如表所示2。同时,探讨了一个基于范围和range-free定位算法包括辐射源、ToA, AoA和RSSI。最后,论文中存在的挑战和问题水下定位和水声通信。说短,这不是可行的任何特定的定位方法对所有情况是最好的,因为每一个都有一定的优点和缺点和特殊情况下的恒常性。本文的最终目标是鼓励和促进该地区的新科学家通过提供到目前为止提出了水下定位的基础。usn和本地化领域正迅速发展,但在未来许多困难需要调查。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家自然科学基金拨款61801166下的中国和支持关键部分的研究和发展项目资助下的江苏BE2017071 BE2017647。这也是中央大学基础研究基金支持的部分在2019年格兰特b22214和基础科学研究项目通过韩国国家研究基金会(NRF)由教育部拨款联盟- 2018 r1d1a1b07043331。