文摘
海洋监测的技术更先进,互联网产业的不断发展。器无人水下航行器(UUV)是水下环境监测的主要方法之一,这使得高精度定位和跟踪是一个关键的问题,迫切需要解决。一个水下声学定位和跟踪算法提出了基于多个信标减少水声定位系统的定位误差引起的不确定的声音的速度。系统包含多个GPS智能浮标漂浮在海面和声学信号发生器无人水下潜航器的安装。无人水下潜航器之间的有效的声音的速度和不同的浮标被认为是不平等的,估计状态参数,与无人水下潜航器的运动学参数。基于无人水下潜航器的运动学方程,跟踪模型的框架下得到扩展的卡尔曼滤波器。仿真结果表明,该算法可以正确声音的速度和提高水声定位系统的稳定性和准确性。
1。介绍
在物联网的不断发展的背景下,海洋监测的发展方向的信息化建设已经成为不可避免的。由于其广泛的活动,体积小,成本低,和许多其他优势,无人水下航行器器(UUV)有许多重要的应用在海洋监测。为了确保完成水下任务和水下获得准确的测量数据,系统需要获得准确的位置无人水下潜航器的信息。无人水下潜航器因此,高精度的定位和跟踪是海洋监测的关键技术之一。
电磁信号的事实严重减毒在水中几乎使GPS用于水下定位;然而,声波的传播特性使声波定位的有效选择。水声定位系统(uap)提供位置信息为水下目标没有累积误差是一种有效的水下定位方法。古典uap包括长基线(LBL)系统(1),短基线(SBL)系统(2,超短基线(USBL)系统(3,4]。
uap的误差源主要由四个因素组成:由标定误差的传播时间估计错误,声音的速度误差,随机误差,最具破坏性的误差源在LBL系统速度误差。在先前的研究中,声音的速度校正技术通常利用射线声学理论跟踪声信号的传播路径,并从测量直线距离计算传播时间的基础上准确测量声速剖面(SSP) [5- - - - - -7]。为了减少声音的速度误差对定位的影响,大多数研究人员通常使用不同的技术来测量SSP。然而,有一个不可避免的错误SSP衡量声速剖面仪(高级)或来自电导率,温度和密度(CTD)测量8]。此外,SSP在一定区域也会发生变化。所有这些不幸的是会导致声音的降解速度校正技术基于固定SSP。在其他声音速度校正算法,有一些研究[9,10]认为声音的速度是一个未知变量,有效解决了声音速度(ESS)的定位。然而,ESS之间水听器LBL系统到目标被认为是平等的,这是非常矛盾的现实。
专家和学者已经做了很多研究水声定位技术。结合不同类型的传统UAPSs可以提供定位冗余和每个系统的优点,最常见的是USBL / LBL系统(11,12]。徐et al。13)首次提出的应用差分法水声定位,提出single-difference方法可以消除长期系统的错误,和双差分方法几乎可以完全消除所有系统错误取决于深度和空间。在[14),一个多功能的系统,结合刚性架“固定”USBL收发器放置在水面和“免费”cable-mounted LBL站部署在相对较大的深度。此外,每个基线应答器配有高速通信设备为水下车辆提供一个实时控制链接和导航基于当前定位数据。
uap的卡尔曼滤波器(KF)是一种常用的技术来减少系统定位错误。迪帕尔马et al。15)衡量一个灯塔和目标之间的距离和定位目标KF或扩展卡尔曼滤波器(EKF)。在[10),一个无味卡尔曼滤波(UKF)算法提出了基于不确定的最小二乘(摘要)在移动长基线水下目标定位系统,在水声速度的前提下,是未知的。在组合导航系统中,KF也是常用的补偿提供的位置信息uap的惯性导航系统提供的位置信息(16)或航迹推算系统(17),从而消除后两个系统的累积误差。在[18)的集成USBL声学调制解调器和定位装置在两个平行的卡尔曼滤波器多种感觉的导航模式自主水下航行器(AUV)。在[19),一种约束的一个平方根无味卡尔曼滤波(SRUKF)开发,无味的转换的σ点投射到可行域的解决约束优化问题。
uap的测量值的到达时间(TOA)或到达时差(辐射源脉冲)到目标通常是用来计算的距离和方位,在紧密耦合的INS / uap组合导航系统,测量值也被用作测量的距离向量。这些过程通常不考虑折射和多路径效应和假设的声音的速度是一个已知的常数。其他研究2,9,10)把水声定位时速度作为一个未知变量和估计。然而,这种方法对目标和不同水听器之间的声音速度相同的情况下,这是一个不切实际的假设。考虑到不确定的声音的速度是一个严重的因素导致水声定位误差,提出了一种无人水下潜航器基于multibeacon跟踪系统。无人水下潜航器之间的有效的声音速度(ESS)和不同信标被认为是不平等的,估计状态参数,与无人水下潜航器的运动学参数。无人水下潜航器之间的声信号传播时间和每个信标是作为测量向量,获得和无人水下潜航器的跟踪模型的框架下卡尔曼滤波器。仿真实验表明,该算法能够正确声音的速度和提高uap的准确性和稳定性。
2。智能浮标系统和几何定位原理LBL系统
GPS智能浮筒(直布罗陀海峡)系统(20.,21)由几种浮标配备GPS接收器和水下声纳系统在海面。直布罗陀海峡可以获得自己的绝对位置信息通过GPS信号。无人水下潜航器的带有周期性地广播声信号的声学信号发生器。这一时期是由GPS的高精度时钟同步系统部署之前。每个水听器接收声信号和记录他们的到达时间与不同的延迟。通过扩频水声通信技术,无人水下潜航器的深度信息测量本身可以传播到浮标。浮标通过无线电通信的中央车站,可以计算无人水下潜航器的位置。
直布罗陀系统如图1。坐标系统定义如下:建立了东北下来(NED)通过选择一个点在多边形区域包围N浮标的起源 。无人水下潜航器的坐标 ,和每个浮标上的水听器的坐标 ,分别。无人水下潜航器槽和之间的距离被定义为 。
在每个时间段,声学信号发生器广播信号。由于每个浮标是无人水下潜航器时间同步,他们可以计算出传播时间后接收声信号。声音传播时间乘以速度可以获得无人水下潜航器之间的相对距离和每一个浮标: 在哪里代表平均声速,是无人水下潜航器的声信号的传播时间的吗我th浮标,是它们之间的倾斜范围。 浮标的识别,N是浮标的数量。
测量后无人水下潜航器之间的距离和浮标,它们之间的三维空间关系可以表示如下:
因为无人水下潜航器之间的距离浮标和通常从几百米到几十公里。因此,它可以假定浮标在同一水平面,可表示如下:
减去方程建立了两个不同的浮标可以消除未知变量的二次项,导致以下简化形式:
在声音的前提下,速度是已知的,LBL的几何定位模型系统可以被描述为以下功能:
定义和无人水下潜航器的估计的坐标是什么和 。我们可以计算它们的最小二乘法(LS)的方法:
在获得和 ,坐标z无人水下潜航器的可以用计算和到(2)。
2.1。基于卡尔曼滤波器的水下目标跟踪算法
无人水下潜航器当执行水下测量或其他作品,它通常保持一定的深度和水平的态度在进行目标探测和信息收集通过改变它的航向角。因此,无人水下潜航器的三维运动可以简化为二维形式22,无人水下潜航器的深度信息可以准确测量深度传感器和传输到槽通过扩频水声通信技术。为了简化描述,我们限制无人水下潜航器的运动在一架飞机在一个已知的深度 ,但本文导出解决方案可以很容易地扩展到无人水下潜航器的情况在三维空间移动。
2.2。流程模型
无人水下潜航器的过程中建立的运动学方程,我们假定无人水下潜航器的坐标 ,无人水下潜航器的以一个恒定的速度移动 ,之间的夹角和轴是 ,和的导数是 。传播的声波信号包含一个时间戳 ,在哪里h是发射的声波信号。残肢后接收信号传输到中央车站,中央车站使用无人水下潜航器信号相同的时间戳来跟踪。离散时间无人水下潜航器的运动学模型表示如下: 过程的噪声 , ,和是静止的,独立的,零均值,标准差和高斯,常数。
ESS的定义是倾斜范围的比值在发射机和接收机之间的传播时间最快到达声雷。杨et al。9)指出,ESS相关空间关系(不同水平距离、深度等)的发射机和接收机。因此,我们认为无人水下潜航器之间的ESS和每直布罗陀海峡是不平等的,因为它们之间的距离并不是平等的。同时,我们假设ESS保持平等的发射间隔期间因为无人水下潜航器的距离移动在声信号的发射间隔是无人水下潜航器之间的倾斜范围远小于和残肢。摘要无人水下潜航器之间的ess和每个镶条状态参数,估计在跟踪。让代表无人水下潜航器之间的ESS和我th直布罗陀海峡,然后,我们有 过程的噪声是静止的,独立的,零均值高斯分布,在恒定的标准偏差。
上面的运动方程可以写成一个线性参数变化系统模型: 在哪里状态向量,是状态转移矩阵,是过程噪声的传递矩阵,噪音是一个过程。从(7)和(8),我们可以获得 和过程噪声协方差
2.3。度量模型
在计算过程中,测量是唯一KF和外部环境之间的联系。过滤器是否污染与否主要取决于输入测量信息的准确性。由于外部环境的影响,不准确的声音速度估计通常uap引入了一个大错误。这里,我们把无人水下潜航器之间的声信号传播时间测量每个直布罗陀海峡。然后,测量方程 在哪里是测量向量满足以下形式: 在哪里是无人水下潜航器之间的声学信号的传播时间和我th镶条步骤k: 在测量噪声是静止的,独立的,零均值高斯分布,在恒定的标准差,和测量噪声协方差是什么
2.4。卡尔曼滤波器的设计
该算法采用标准卡尔曼滤波器的基本方程,及其时间更新方程如下: 在哪里的协方差预测状态,和是工艺流程雅克比一步k: 在哪里
卡尔曼滤波器测量更新方程如下: 在哪里K是滤波器增益,雅可比矩阵测量步骤吗k: 在哪里是无人水下潜航器之间的倾斜范围和我th镶条:
3所示。模拟
本节描述模拟的结果,旨在评估算法的有效性。环境模拟中使用的文件是真正的某一海上实验的测量数据,和声音的速度剖面如图2(一个)。获得的声信号传播时间的旅馆侍者(23)模型。如图2 (b)直布罗陀系统包括4个槽,形成一个矩形与基线长度是4公里。无人水下潜航器的移动以恒定速度在平面上的深度 。图2 (c)显示了详细真实的路径。卡尔曼滤波器算法的初始值在表1,前五个操作参数的初始值 。
(一)
(b)
(c)
首先,我们无人水下潜航器追踪旅行沿着路径描绘在图12 (b)。声信号的发射时间 。假设传播声信号可以正确接收到所有的残肢。对于每一个声波信号接收的镶条,无人水下潜航器的定位由LBL系统使用几何方法和基于卡尔曼滤波器的定位方法,分别。在LBL定位,速度设置 加权平均的声音速度(24]在声音的深度800米速度剖面如图2(一个)。的定位结果如图两个方法3和4,分别。对于每个定位结果,距离定位误差计算使用以下方程: 在哪里 是无人水下潜航器的真实坐标, 是估计的结果。可以看出LBL算法的定位结果远远偏离了真正的位置和定位的结果计算了EKF算法非常接近真正的道路,除了最初估计的误差。这是因为无法获得准确的声音速度在LBL的定位系统,从而导致定位误差很大。然而,EKF-based算法过程中,ESS的声信号传播可以同步估计(ESS的估计结果如图5),这些估计ESS用于无人水下潜航器跟踪获得更精确的定位结果。最后的定位误差小于2米的距离。
(一)
(b)
(一)
(b)
(一)
(b)
(c)
(d)
上面的仿真的基础上,旅游路径改变了无人水下潜航器通过修改的起始点。前两个参数在表1将(1950米、1000米)(路径2,起始点和每个镶条之间的距离是1788.66米,3033.04米,4147.20米,3346.54米,分别)和(1950米、3000米)(路径3,起始点和每个镶条之间的距离是3665.97米,3720.12米,2416.47米,2332.23米,分别)。无人水下潜航器的跟踪主要有两种方法,得到的结果如图6。ess的相应的评估结果如图7。
(一)
(b)
(一)
(b)
路径1 ess几乎相等,因为无人水下潜航器之间的距离的差异,每个浮标很小。它可以清楚地看到从图7,当无人水下潜航器之间的距离和每个直布罗陀有很大的不同,相应的ESS也有一个很大的区别,这表明本文提出的算法可以有效地实时估计ESS。我们可以看到从定位结果图6LBL系统不能获得一个精确的声音的速度。使用单一声音的速度将导致较大的定位误差,和EKF-based算法估计ESS在跟踪的过程中,可以提高定位精度。
如果使用经典的想法,也就是说,无人水下潜航器之间的ess和不同的浮标是相等的(例如, )。路径2和路径3中的UUVs EKF-based追踪的算法,结果在图中进行了描述8。图9显示了无人水下潜航器EKF-based算法的定位误差在这两条路径,分别假设ess平等或不平等的。可以看出在这两种情况下,定位结果有一定的偏移量作为一个整体,如果使用一个单一的ESS,特别是对于路径3。这意味着定位精度与无人水下潜航器的位置有关系,如果ess视为相等。算法提出了本文认为ESS是不平等的,所以他们可以单独估计,它允许EKF-based算法来实现良好的性能在无人水下潜航器的位置。
(一)
(b)
(一)
(b)
4所示。结论
uap的古典几何定位方法通常忽略了定位误差引起的不准确的声音的速度。本文基于multibeacon无人水下潜航器的定位和跟踪算法。通过设置ess无人水下潜航器之间和不同的浮标不平等,ess作为状态参数估计,使用和传播时间测量。框架下的卡尔曼滤波器,利用无人水下潜航器的运动学方程和相应的公式推导。仿真实验验证了该算法,结果表明,该算法能正确声音的速度估计,提高uap的稳定性和准确性。通过使用扩频水声通信技术,该方法可以方便地实现水下多目标定位和跟踪的应用。
数据可用性
数据支持当前的研究可从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了四川省科技项目(2021 yfg0014)。