在水中,声波信号比电磁波信号传播的更远,水声定位系统通过声学单元的基线发射声波,在每个AUV 上配备了相应的接受单元,通过测量声波传播时间来确定 AUV 与基线的距离、通过测量声波的相位差来确定 AUV 相对于基线的方向,最后几何运算实现 AUV 的定位。在进行导航定位前,需事先在海底、舰船底部或 AUV 上布置声线基阵,基于水下声学技术的定位系统可以在特定场景提供绝对位置信息,与惯性导航系统进行组合。水声定位系统按基线长度分类可分为长基线定位系统(long baseline positioning,LBL)、短基线定位系统(short baseline positioning,SB),超短基线定位系统( ultra-short baseline positioning,USBL)。基阵的分布方式对于对水声定位系统十分重要,在LBI系统中,应答器基阵通常分布在海底,如图2(a)所示;在 SBL和 USBL 系统中,应答器基阵通常在母船或固定浮标上如图2(b)(c)所示,在SBL系统中,测量接收阵列和参考声源之间的相对位置,单位为米级。在USBL系统中,位置由声学元件之间的相位差决定,单位为分米级。LBL 系统较为复杂,成本也较高,SBL 系统操作优势不明显、性价比偏低,US.BL 系统由于体积小,方便安装、回收,且误差不随时间发散,在水声定位系统中得到了广泛的应用。2.2 水下声学定位系统的声线修正
声线修正是水下声学定位系统的重要方面。传统基线系统定位的基础是声音沿直线传播,声速是常数,但实际上水中声速是一个复杂的函数,随温度、盐度和深度而变化,因此,声音的传播路径是弯曲的!,不断变化的。一般认为声速在水平方向上的变化较小,可以假设声速只随着深度的变化而变化,声速沿垂直深度的分布称为声速剖面,声速剖面一般比较复杂且随着海水介质改变。因此声速修正对于水下声学定位具有十分重要的意义。李建等!7提出了一种超短基线定位中的快速声线跟踪算法研究,该方法基于最大偏移量法,可快速对实测剖面数据进行自动精简和优选,显著降低水下定位的计算量。李海鹏等提出了一种利用声速修正技术降低测速误差改正的声线跟踪算法,结果表明,在声线入射的几何夹角较大的情况下,有效声速法能够在保持计算速度的同时,具有较高的精度;但是随着几何夹角的减小,有效声速法的角度估计误差逐渐增大,不再适用高精度的水声定位。Yang 等从定位残差中来拟合声速长期时域变化项、声速周期性变化项,结果表明,带有周期误差项的鲁棒观测模型很好地补偿了声学距离的系统误差。Zhao 等[2]研究了利用声速剖面的先验信息反演声速进行定位解算的方法。张林虎等[针对目前局部海域小时间尺度声速场建模方法未顾及不同深度区间内声速变化规律的问题,研究了基于分层 E0F 兩数的区域声速场模型构建方法。
2.3 应答器基阵布放方式
应答器的安装精度以及海底基阵的布局决定了海底应答器基阵之间的位置误差以及母船相对于每个应答器的位置误差,由于水下环境复杂多变,通常会存在位置误差,降低定位的精度。Tong 等[2]提出了一种基于增量迭代的动态标定算法,当迭代次数大于 10 次时,该算法能精准地估计出安装误差角。张涛等[2]针对SINS/USBL一体化组合样机系统需要提前进行精确标定的问题,提出了基于量测信息滤波估计的误差标定方法,精确校正后无需重复标定。与其他的标定方法相比,该算法表现出更好的滤波性能,具体表现为更快的收敛速度、更高的估计精度和更平滑的滤波曲线,证明了提出算法的有效性和优越性。
2.4 基于 SINS/USBL 的组合导航算法
将短时高精度的 SINS 与误差不随时间发散的声学定位系统进行组合,通过滤波算法实现 AUV 的高精度定位与导航。Xu 等[2]针对 AUV 中的 USBL 设计了一种基于 AKF 的新型定位系统,AKF 可以利用最新的测量数据自适应调整测量协方差矩阵和过程噪声协方差矩阵。实验结果表明,该系统在定位精度上优于简单的 USBL 定位,但精度依然有限,现在的主流办法是将短时高精度的 SINS 与误差不随时间发散的声学定位系统进行组合,通过滤波算法实现 AUV 的高精度定位与导航,如图3所示,但是本方法主要受限于 USBL的通讯距离。
Wang 等提出了一种用于 SINS/USBL, 集成系统的鲁棒的基于 Student t的卡尔曼滤波器,用于抑制由声学异常值引起的测量不确定性。还提出了一种改进的具有自由度参数的基于 Smdent’st的改进鲁棒卡尔曼滤波器,可以对由声学异常值引起的重尾测量噪声进行建模,通过进行数学仿真试验和现场试验,验证了该方法的可行性和优越性。Xu等提出一种 SINS/USBL, 组合导航滤波算法,以处理水声通信中的时变延迟,以及由异常值和测量噪声引起的非高斯噪声。该算法解决了通信延迟和非高斯噪声的问题,由于具有自适应调整功能,大大降低了计算复杂度。仿真和实验结果验证了滤波器改进的精度和鲁棒性。刘慧敏等提出了一种 USBI/SINS 的紧组合滤波算法。紧组合模式较松组合模式在数学上更加严密。实验结果表明,紧组合虽然增加了一个滤波参数,但收敛后的位置、速度和估计误差都明显小于松组合方案,水平精度提高了 0.7 m,明显提高了 USBLSINS 组合导航定位精度。通过更加优良的算法模型来提高导航的准确性也是可行的办法,许多学者进行了相关研究,Zhang 等为了解决测量不确定性导致的定位性能下降问题,推导出了具有自适应性和鲁棒性的基于 Student t的卡尔曼滤波器,处理基于 Student'st分布的测量异常值来实现稳健性。通过模拟和河流现场试验进行了证明。2.5 GPS 浮标与水声定位技术
基于水下声学系统的导航定位通常要求 AUV 每隔一段时间浮出水面来获取准确的位置信息,无法满足高精度长时间的导航要求,为了解决这个问题,一种新的“水下声学系统”方法应运而生,该方法通过放置在水面的浮标来接受GPS 的信息,浮标将 CPS 信号调制为声波信号后发送,AUV接受信号后将其解调来确定当前的位置,基本原理如图4所示。
徐晓敏等提出了一种基于多浮标的无源水下导航定位方法,结果表明,采用多浮标定位方法来实现水下无人潜航器定位,其定位精度与各浮标的伪距测量精度及浮标阵型布局有关。伪距测量精度在5 km 传播距离内不大于 20 m,选用相对水下无人潜航器分布均匀、几何结构最佳的3个浮标进行联合解算,得到的水下无人潜航器定位精度在 60 m以内。
2.6 海底大地基准网
联合全球导航卫星系统和水下声学定位系统,可实现海底大地基准站的位置标定,可以将全球统一的时空基准传递到海底,满足 AUV 导航定位需求[0]。目前,我国已在南海3 000 m水深的海域开展了海底大地基准网试验。海底大地基准站包含水下潜标和海床基2类,由于水下潜标技术难度大、位置精度低。海床基是主要的海底基准站布放方式,具有稳定性好、集成度高等优势。赵建虎等提出了基于绝对标校+相对测量的海底网平差思路,实现了海底大地基准网的整体解算。刘杨等[3]通过构建声速时变引起的水声垂向总时延,联合估计了声速时域变化和海底大地基准点位置,提高了海底大地基准点坐标的准确度。邝英才等研究了联合解算船载换能器与海底大地基准点位置的方法。Tomita 等和 Watanabe 等分别测试了静态、动态测量策略的海底大地基准站位置、声速时域变化和声速水平梯度参数联合估计方法。基于超短基线的导航定位系统在海底石油勘探,海底电缆的铺设和维护等领域都有广泛的应用,虽然超短基线的误差不随时间发散,但是其精度有限,定位过程中依赖于其他传感器,对于安装精度也有较高的要求。CPS 浮标的应用一定程度上解决了超短基线导航定位的弊端,但浮标的放置和回收比较繁琐,移动性较差,以及在恶劣天气下无法使用等也限制了使用范围。同时声音的传播导致 AUV 隐蔽性较差,如何提高隐蔽性以用于军事领域也是可以研究的问题，而海底大地基准网在我国尚处于起步阶段。综上所述,水声测速系统适用于海底平缓区域的短航时场景,或结合 GPS/SINS 进行定期校准,但因为其昂贵的价格,目前民用的水下航行器上很少有它的身影。与之对应的,水声定位系统受限于基线长度、传感器安装位置,适用于固定区域的探索工作,在未来的研究中,采用互补的多种传感器进行信息融合是扩大导航区域,提高导航精度的重要途径。而海底大地基准网则是海底观测网的重要组成,是国家大地基准网由陆域向海域的自然延伸,对推进我国海洋强国战略实施具有重要支撑作用。在军事领域中,AUV的长航时隐蔽性及定位精度是决定其导航性能的关键,水下声学系统特定频率的回声可能会号致隐蔽性较差,与之对应的地球物理场的探测技术可以实现较好的隐蔽性。在 AUV 中主要有重力辅助导航、地磁辅助导航及地形辅助导航几种方案。
3.1 重力辅助导航
3.1.1 重力辅助导航简介
重力辅助导航通常分为重力补偿和重力匹配2类,重力补偿方案利用更加精确的重力场信息以改善惯性导航编排,从而抑制惯性导航误差发散。由于地球表面重力异常量大于加速度计的测量误差,加速度的实际测量极限精度是由重力信息的精度决定,从而影响惯性导航系统定位精度。又由于重力仪只能测量重力扰动垂向分量,利用重力仪只能对惯导垂向通道进行校正,而无法实现惯导水平通道的校正。所以采用重力梯度仪代替重力仪进行补偿具有更高的实用价值。经典辅助导航方案将重力梯度信息、参考重力场引人滤波器,提升导航系统性能,但由于惯性器件的漂移和噪声,重力补偿方案仅能抑制惯性导航位置误差累积速度,不能校正已有的位置误差。重力匹配方案是将实时重力信息与重力基准图相结合,通过相关方法或最优估计方法确定最佳匹配位置。自 20 世纪 80 年代初,美国 Lockheed Martin 公司研制的重力敏感器系统通过实时估计垂线偏差,对重力扰动引起的惯导误差加以补偿。此后,又相继开发了无源重力辅助惯导系统和用于测量重力异常值的通用重力模块。1998年Bell Aerospace 实验室研制的重力仪/重力梯度仪/惯性导航系统通过了实际水下试验。北京航天控制仪器研究所2013年完成了动基座重力测量系统的研制,目前已完成了超过 15万海里的船载测量任务。重力基准图的构建也由先前通过海面船舶或者海底拖曳的测量方式转到由机载重力仪和高精度定位技术[38的测量方式。在重力辅助惯性导航中,选择适当的重力匹配区域是至关重要的,因为导航精度与所在区域的重力场参数变化密切相关。针对在某重力场特征仅在一定方向范围内变化明显，Wang 等提出重力异常和向量差作为评价指标,提高了匹配精度。
传统的重力匹配算法根据采样方式可以分为序列匹配算法和单点匹配算法。序列匹配算法一般分为迭代最近等值线点(the iterative closest contour point,ICCP)算法和地形匹配( terrain contour matching,TERCOM)算法,依据匹配点集合之间的相关性进行分析路径偏离程度。这种序列匹配算法中匹配点的数量直接影响搜索速度和匹配精度,因此算法无法同时满足精度和实时性。如果初始位置误差较小,则ICCP 算法可以实现高精度匹配。然而,当初始位置误差较大时,ICCP的匹配结果精度较差。TERCOM算法不考虑估计参数和观测数据的统计特性,无法保证估计结果全局最优。Han 等提出了一种将迭代最近轮廓点(ICCP)算法与点质量滤波器(PMF)相结合的匹配算法。基于航行器位置变量的点质量滤波可以在初始位置误差较大的情况下,实时获取给定的指导位置。然后使用带有滑动窗口的ICCP 算法进行进一步匹配。结果表明,在高度和经度定位误差方面,该算法可以取得更好的结果,与单独使用 INS 相比误差可以降低56%到 65%。Han 等针对重力匹配导航系统中的 TERCOM 算法,提出了一种基于 RSOC 算法的失配诊断方法。利用空间结构约束和变换误差约束来选择匹配序列中的异常值。在重力异常图上对改进的 TERCOM 匹配算法进行了仿真测试。结果验证了该方法能够准确地检测出异常点,并且在剔除异常点后匹配的轨迹具有更好的可靠性。单点匹配算法将每个点都代人到滤波器中,进而得到最优匹配位置。Wang 等对于具有高度非线性性质和非高斯噪声源的系统中提出了一种嵌人粒子滤波器的粒子滤波器,计算真实位置的误差范围,并建立该位置的概率模型。结果表明,该方法具有较高的精度和较好的鲁棒性。非线性滤波计算复杂度通常随着被估计的状态向量的维度呈指数增长。在重力匹配方法的研究过程中,受限于重力基准图的数据量等原因,无法给出精确模型,同时导致运算量极大。
除上述算法研究外,中科院测地所在南海开展了重力匹配实验,实验重力图精度为2'x2',采用测量精度优于+2mGal 的自研传统重力测量仪,陀螺漂移速率为0.006(°)/h,在35h的航程中表现优异,惯性导航系统最终定位误差为12.8~18.6 海里目前,我国在重力辅助惯性导航领域的研究还处于理论研究和试验阶段。
3.2 地磁辅助导航
3.2.1 地磁辅助导航简介
地磁辅助导航系统由地磁传感器、地磁图和计算机组成,主要依赖于配备在 AUV 上的地磁传感器和相应海域的地磁图,在定位过程中,通过地磁图索引到当前位置处的地磁参考值,通过磁传感器得到当前位置处的地磁值,并通过地磁辅助导航算法将该地磁参考值与实际地磁场数值进行匹配得到 AUV 的准确位置信息。由于地磁检测过程中无需向外部发射能量,具有高度隐蔽性和无源性,在军用 AUV 领域得到了高度重视,且发展迅速。
为了消除磁干扰误差和自身仪表误差的影响,使用磁传感器之前需要对各种误差进行校正。于向前等提出基于椭圆拟合的补偿方法,具有精度高且鲁棒性强优点。针对基于参数估计算法收敛速度慢的问题,迟铖等建立了包含灵敏度误差、零偏误差和非正交误差的目标函数,通过粒子群算法求解最优参数。类比于重力匹配区域选择,选择地磁特征丰富的区域，同样有助于提高导航精度和稳定性,种洋等提出基于主层分析和神经网络结合的适配区选择算法,首先通过主层分析提取特征参数,再利用神经网络完成映射关系,自动识别适配区。地磁匹配在地磁辅助导航中扮演着关键的角色,它判断测量轨迹是否与磁力基准图正确匹配,从而直接影响导航的最终精度。SONG 等[提出基于地磁矢量的地磁匹配算法在匹配区域的地磁熵信息较小或地磁等高线的变化不明显的情况下,提高匹配概率和定位精度。Dai 等开发了一种改进的基于精英主义的多目标人工蜂群算法来融合重力异常和磁力异常信息。该算法采用多目标匹配策略和序列匹配策略,以减少错配的可能性。仿真结果表明,所提出的算法可以达到很高的匹配成功率,且在长航时水下导航任务中非常可靠。Zhang等研究了在没有先验知识的情况下受趋磁行为启发的仿生导航方法。提出了远程水下导航的地磁梯度辅助进化算法。在正常地磁场区域、地磁异常区域和多个目的地的情况下对改进方法的性能进行了评估和验证。结果表明,搜索效率和导航路径的直线度都有很大提高。改进后的算法在地磁异常区域也有良好的表现,预示着未来的潜在应用。3.3地形辅助导航
3.3.1 地形辅助导航简介
相比于其他2种辅助导航方法,地形辅助导航研究更早。但在很长一段时间内,海底地形辅助导航的潜力并没有被充分挖掘,这是由于无法构建高精度的海底地形图。直到多波束测深系统和激光探测系统等的出现[21,海底的详细地形信息才得以获取并制成海图。3.3.2 地形辅助导航关键技术
随着海洋测绘技术的不断发展,基于水下地形匹配的方法被广泛研究,针对地形量测数据存在野值问题,Peng 等[s]提出基于 Huber 估计的粒子滤波算法,通过代价函数调整粒子权重,提高匹配的鲁棒性。马腾等!提出了一种海底地形匹配高效质点滤波导航方法,试验结果证明,所提出网格化插值方法可实现高精度、高效地形深度插值过程,所提出海底地形匹配高效质点滤波导航方法可为 AUV 在线提供精确导航结果,且实时导航圆概率误差小于3 m。马腾等[s5]为解决海底地形未知条件下的海底地形辅助导航问题,提出了海底地形同步定位与建图技术。利用水深预测手段和地形匹配方法进行帧间数据关联构建和闭环检测,并通过图优化技术进行海底地形同步定位与建图问题求解。结果显示,在航行1h后,建图结果中所有测深点定位误差均值约为13 m。
由于地形辅助惯性导航系统需要利用搭载的声呐设备对海底地形进行探测,声呐设备发射的声波信号容易被外界监测,隐蔽性不能得到很好地保证;海洋中具有电磁干扰性的物质也会对地磁场辅助导航造成干扰;重力匹配辅助导航系统作为一种集高精度、强抗干扰性和完全自主性于一体的辅助导航系统,属于目前最适合应用于水下导航的辅助导航系统之一。在重力匹配方案领域的现有研究中,普遍认为影响重力匹配算法效果的因素有以下几个方面:首先是重力基准图分辨率与精度;其次是用于匹配的数据序列长度:再次:匹配路径在重力基准图上的位置是否有充分的重力变化信息;最后,惯性导航系统的位置误差也直接影响重力匹配的效果。当前传统重力仪的匹配算法抑制了惯性导航系统的误差发散,初步验证了自主定位系统的效果,但由于器件精度、航迹附近重力变化不足等限制无法形成满足国防需求的水下自主定位系统。
综上所述,重力辅助导航仍存在误差积累问题,在民用领域受限于成本;重力匹配导航随着重力测量仪器精度的提升,将有更大的潜力;地磁辅助导航则在军用 AUV 领域得到了较多关注,此外,地形辅助导航对海底环境提出了要求,同重力匹配技术一样,需要测量建立高精度重力异常图、地形图,在民用领域则适用于海洋探索等较大范围的水下工作。随着相关测量仪器精度的不断提高,基于地球物理场的导航技术将会在未来大放异彩。
