CN107942336A - 适用于复杂水环境的鱼类超声波标记精密定位方法及系统 - Google Patents
适用于复杂水环境的鱼类超声波标记精密定位方法及系统 Download PDFInfo
- Publication number
- CN107942336A CN107942336A CN201711116977.XA CN201711116977A CN107942336A CN 107942336 A CN107942336 A CN 107942336A CN 201711116977 A CN201711116977 A CN 201711116977A CN 107942336 A CN107942336 A CN 107942336A
- Authority
- CN
- China
- Prior art keywords
- fish
- hydrophone
- signal
- signal mark
- observation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/96—Sonar systems specially adapted for specific applications for locating fish
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种适用于复杂水环境的鱼类超声波标记精密定位方法及系统,该方法包括:S1采集信号标记鱼到达水听器监测网内各水听器的时间或到达两个水听器的时间差;S2利用Chan算法估计信号标记鱼的近似坐标和信号发射时刻;S3以信号标记鱼的近似坐标为中心,构建近似坐标备选区间,并对近似坐标备选区间划分子网;S4取一子网的节点位置作为信号标记鱼位置初值,采用抗差最小二乘估计进行信号标记鱼的定位解算;S5对步骤S4获得的定位解算结果进行评估,若评估通过,该定位解算结果即信号标记鱼的精密定位结果;否则,重复执行步骤S4。本发明方法可有效实现高精度、高可靠性的鱼类运动轨迹精确捕获。
Description
技术领域
本发明属于鱼类资源保护领域,尤其涉及一种适用于复杂水环境的鱼类超声波标记精密定位方法。
背景技术
鱼类作为水生态系统的顶级群落,模拟、重建及恢复其重要栖息地,从而实现河流生态系统的结构和功能修复是水生态学的重要目标[1]。然而,依靠鱼类早期资源调查、亲鱼产卵行为观察、渔民走访等传统手段推测的鱼类产卵场等关键生境位置,存在范围广、精度差、误差大等问题。如能实现鱼类精密定位,一方面可以根据其关键生命期(如产卵期)准确确定关键生境(如产卵场),有效获取相应生境因子[2];另一方面,可捕捉鱼类运动轨迹,获取鱼类习性和喜好生境,进而构建科学的生境适宜指标,为鱼类保护和栖息地修复提供必要的理论和技术支撑。
超声波标记跟踪技术以其在水中传播距离远、适用性强而成为目前鱼类精密定位的主要手段[3]。该技术是将足够轻小的声学标记安置于鱼腹腔内(或体外),由布设在水下特定位置的水听器接收标记发出的超声波信号。目前国内水生态领域大部分研究还停留在根据水听器位置及其是否观测到信号标记,确定信号标记鱼所在的球形水域范围(数百米级精度),未能将水听器设备的精密定位功能进行有效的开发应用。然而,我国并不缺乏定位技术的科研基础,在卫星大地测量学研究领域,相关研究人员已经基于现有全球卫星导航定位系统实现了m级至cm级的精密定位。为此,有必要在现有卫星定位技术的基础上,针对鱼类精密定位实现过程中存在的相关应用难点问题,开展专业性的定位技术研发。
目前基于时延差测量值进行定位的实现算法有多种,如Chan、Taylor、FANG、SX、SI等[4]。其中Chan算法和Taylor级数展开法被认为是最有效的两种方法。Chan算法是一种求解双曲线方程组的非递归算法,该算法采用两步最大似然估计,在噪声服从高斯分布的环境下定位精度高,但在非视距环境,即信号标记与水听器之间的直射路径被障碍物挡住后,Chan算法的定位精度下降。基于最小二乘估计的Taylor级数展开法是一种需要初始位置的递归算法,在每一次递归中通过求解时间差测量误差的局部最小二乘解来改进估计位置。该算法能够适用于各种信道环境,在初始位置与实际位置接近的情况下能得到整体最优的计算结果。但在初始位置选择不好的情况下,该算法将很难保证收敛。此外,在粗差不可避免的情形下,传统最小二乘估计不具有抗干扰性,单个观测值的偏差即可能导致最终的定位结果面目全非。源于此,抗差最小二乘估计应运而生,该方法使得定位计算具有抗差性,可最大程度地抵抗粗差观测值带来的影响[5]。
文中涉及如下参考文献:
[1]朱仁,司春,储玲,等.基于栖息地斑块尺度的青弋江河源溪流鱼类群落的时空格局[J].水生生物学报,2015,39(4):686-694.
[2]Cooke S J,Midwood J D,Thiem J D,et al.Tracking animals infreshwater with electronic tags:past,present and future[J].AnimalBiotelemetry,2013,1(1):5.
[3]王成友.长江中华鲟生殖洄游和栖息地选择[D].华中农业大学,2012.
[4]Chan Y T,Ho K C.A simple and efficient estimator for hyperboliclocation[J].Signal Processing IEEE Transactions on,1994,42(8):1905-1915.
[5]周江文.经典误差理论与抗差估计[J].测绘学报,1989(2):115-120.
发明内容
本发明的目的是提供一种适用于复杂水环境的鱼类超声波标记精密定位方法及系统。
本发明提供的一种适用于复杂水环境的鱼类超声波标记精密定位方法,包括:
S1采集信号标记鱼到达水听器监测网内各水听器的时间或到达两个水听器的时间差,测算信号标记鱼和各水听器的距离或和两个水听器的距离差;
S2利用Chan算法估计信号标记鱼的近似坐标(x0,y0,h0)和信号发射时刻t0;
S3以(x0,y0,h0)为中心,构建横边长为2d、纵高为2×(c-b)的近似坐标备选区间,并对近似坐标备选区间划分子网;其中,d为步骤S2中Chan算法的解算精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;
S4取一子网的节点位置作为信号标记鱼位置初值,采用抗差最小二乘估计进行信号标记鱼的定位解算;
S5对步骤S4获得的定位解算结果进行评估,若评估通过,该定位解算结果即信号标记鱼的精密定位结果;否则,取下一子网的节点位置作为信号标记鱼位置初值,重复执行步骤S4;
所述评估包括判断定位解算结果是否同时符合下述条件,若符合,则评估通过:
(1)步骤S4获得的定位解算结果和当前信号标记鱼位置初值的距离误差应该小于d;(2)水听器与步骤S4获得的定位解算结果的距离应小于水听器的最大可观测距离;(3)步骤S4获得的定位解算结果中的深度坐标应在b~c范围内;(4)步骤4的定位解算结果与其前一时刻的定位解算结果、以及与其后一时刻的定位解算结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位解算结果的时间差的乘积。
进一步的,步骤S2进一步包括:
2.1根据水听器i的位置(xi,yi,hi)和信号标记鱼的位置(x,y,h),构建水听器i与信号标记鱼的距离方程;其中,i=1,2,...n,n表示水听器监测网中水听器数量;
2.2根据信号标记鱼信号的发射时刻t,构建水听器i对信号的记录时刻方程Oi=Di+t,Oi表示水听器i对信号的记录时刻,Di表示水听器i与信号标记鱼的距离,所述Oi=Di+t中t和Oi均根据水中声速转化为以距离为单位;
2.3根据水听器i对信号的记录时刻Oi,构建信号标记鱼与水听器i、水听器1的距离差方程Di,1=Oi-O1,Di,1表示信号标记鱼与水听器i、水听器1的距离差;O1表示水听器1对信号的记录时刻;
2.4基于进行线性化处理,将记为Ki,将xi-x1、yi-y1、hi-h1分别记为xi,1、yi,1、hi,1;其中,D1表示信号标记鱼与水听器1的距离;
2.5构建观测方程组L=BX和对应的观测值权矩阵其中:
观测值向量系数矩阵待估值E为(n-1)维的单位矩阵;a表示距离差观测值Di,1的精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,b和c根据水深观测值、水深先验信息或经验确定;
2.6根据最小二乘法估计X=(BTPB)-1BTPL;
2.7将估计的X代入水听器i与信号标记鱼的距离方程,令i=1,获得关于D1的二次方程,将求解获得的正根D1代入X=(BTPB)-1BTPL,获得信号标记鱼的近似坐标。
进一步的,当子步骤2.7中求解出的D1有两个正根,针对两正根分别求解信号标记鱼的近似坐标和信号发射时刻,并筛选出符合先验信息的信号标记鱼的近似坐标;
所述符合先验信息的信号标记鱼的近似坐标应该同时符合下述条件(1)~(3):
(1)水听器与信号标记鱼的近似坐标的距离应小于水听器的最大可观测距离,即Di应小于水听器的最大可观测距离;
(2)信号标记鱼的近似坐标中的深度坐标应该在b~c范围内;
(3)信号标记鱼定位结果与前一时刻的信号标记鱼定位结果、以及与后一时刻的信号标记鱼定位结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位结果时间差△T的乘积。
进一步的,所述划分子网具体为:平面方向每隔f米、水深方向每隔e米进行划分,f和e的取值范围为1m~5m。
进一步的,步骤S4进一步包括:
4.1在信号标记鱼位置初值(x0,y0,h0)及对应的信号发射时刻初值t0处,将水听器i对信号的记录时刻方程Oi=Di+t进行泰勒展开,并构建观测方程l=CΔ+ε和观测值初始权矩阵
4.2采用最小二乘法估计改正量向量Δ;
4.3根据改正量向量Δ迭代更新信号标记鱼位置初值及对应的信号发射时刻初值,直至改正量向量Δ小于预设阈值,即获得信号标记鱼的定位解算;
其中:
i=1,2,...n,n表示水听器监测网中水听器数量;Oi表示水听器i对信号的记录时刻,Di表示水听器i与信号标记鱼的距离,所述Oi=Di+t中t和Oi均根据水中声速转化为以距离为单位;观测值向量b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;系数矩阵(x,y,h)表示信号标记鱼的位置,(xi,yi,hi)表示水听器i的位置;改正量向量(Δx,Δy,Δh)表示信号标记鱼位置的改正量,Δt表示信号发射时刻的改正量;ε为观测误差矩阵;E为n维的单位矩阵,a表示距离差观测值Di,1的精度。
进一步的,当信号标记鱼的同一组超声波信号被多于3个水听器记录时,在子步骤4.2和4.3间还包括采用抗差最小二乘估计探测粗差观测值并对其降权或剔除的步骤;
该步骤具体为:
计算子步骤4.2获得的改正量向量Δ的观测值残差v和验后单位权中误差σ;
根据σ和距离差观测值a的大小判断观测值是否存在粗差;
采用抗差最小二乘估计可能存在粗差的观测值和确定存在粗差的观测值;对可能存在粗差的观测值进行降权处理,即降低可能存在粗差的观测值对应的权重;剔除确定存在粗差的观测值。
本发明提供的一种适用于复杂水环境的鱼类超声波标记精密定位系统,包括:
第一模块,用来采集信号标记鱼到达水听器监测网内各水听器的时间或到达两个水听器的时间差,测算信号标记鱼和各水听器的距离或和两个水听器的距离差;
第二模块,用来利用Chan算法估计信号标记鱼的近似坐标(x0,y0,h0)和信号发射时刻t0;
第三模块,用来以(x0,y0,h0)为中心,构建横边长为2d、纵高为2×(c-b)的近似坐标备选区间,并对近似坐标备选区间划分子网;其中,d为第二模块中Chan算法的解算精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;
第四模块,用来取一子网的节点位置作为信号标记鱼位置初值,采用抗差最小二乘估计进行信号标记鱼的定位解算;
第五模块,用来对第四模块获得的定位解算结果进行评估;
所述评估包括判断定位解算结果是否同时符合下述条件,若符合,则评估通过:
(1)第四模块获得的定位解算结果和当前信号标记鱼位置初值的距离误差应该小于d;(2)水听器与第四模块获得的定位解算结果的距离应小于水听器的最大可观测距离;(3)第四模块获得的定位解算结果中的深度坐标应在b~c范围内;(4)第四模块的定位解算结果与其前一时刻的定位解算结果、以及与其后一时刻的定位解算结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位解算结果的时间差的乘积。
本发明的特点和有益效果为:
鱼类作为水生态系统的顶级群落,模拟、重建及恢复其重要栖息地,从而实现河流生态系统的结构和功能修复是水生态学的重要目标。然而,依靠鱼类早期资源调查、亲鱼产卵行为观察、渔民走访等传统手段推测的鱼类产卵场等关键生境位置,存在范围广、精度差、误差大等问题。超声波标记跟踪技术以其在水中传播距离远、适用性强而成为目前鱼类定位的主要手段,目前国内大部分研究还停留在鱼类分布规律和迁徙路线的大尺度探测,只简单利用了超声波标记技术的“岗哨”作用,未将精密定位这一重要功能有效的开发利用。
进行鱼类信号标记精密定位时,Chan算法无需近似坐标,在噪声服从高斯分布的环境下定位精度高,但在非视距环境,即信号标记与水听器之间的直射路径被障碍物挡住后,Chan算法的定位精度下降。抗差最小二乘估计能够适用于各种信道环境,对粗差观测值具有一定的抗干扰特性,在初始位置与实际位置接近的情况下能得到整体最优的计算结果。但在初始位置选择不好的情况下,该算法将很难保证收敛。
为此,针对现有鱼类超声波标记监测设备,本发明将Chan算法和抗差最小二乘估计进行有机结合,扬长避短,并顾及了鱼类游动时所处水深、游速等先验信息。本发明方法首先采用Chan算法得到近似坐标,并以此进一步构建信号标记鱼的近似坐标备选区域,将其作为位置初值并基于抗差最小二乘估计得到最终的定位结果,同时在数据处理过程中结合鱼类信号标记定位时的特定先验信息进行约束处理,从而有效实现高精度、高可靠性的鱼类运动轨迹精确捕获。
附图说明
图1为本发明中适用于复杂水环境的鱼类超声波标记精密定位数据处理流程图;
图2为抗差最小二乘估计数据处理流程图。
具体实施方式
为了更清楚地说明本发明实施例和/或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
如图1所示,本发明在进行数据处理时,有效顾及了鱼类游动时所处水深、游速等先验信息,首先,采用Chan算法得到信号标记鱼的近似坐标,随后将其作为位置初值并基于抗差最小二乘估计得到最终的定位结果。
本发明的具体实施方式步骤如下:
步骤1,当信号标记鱼进入n(n≥3)个水听器组成的监测网,记录信号标记鱼到达每个水听器的时间(TOA)或到达两个水听器的时间差(TDOA),测算信号标记鱼和水听器的距离或与两个水听器的距离差。
步骤2,利用Chan算法获取信号标记鱼的近似坐标。
步骤2.1,以(x,y,h)为信号标记鱼的待估位置,(xi,yi,hi)为第i个水听器的位置,水听器位置已知。则第i个水听器与该信号标记鱼的距离为Di:
步骤2.2,令t为信号标记鱼的信号发射时刻,则第i个水听器对该信号的记录时刻Oi可表示为:
Oi=Di+t (2)
式(2)中,t和Oi均根据水中声速转化为以距离为单位。
前述t和Oi根据水中声速转化为以距离为单位,具体为:将以时刻为单位的t和Oi乘以水中声速即转化为以距离为单位。
步骤2.3,令Di,1表示该信号标记鱼与第i个水听器和第1个水听器的距离差,则有:
式(3)中,(x1,y1,h1)为第1个水听器的位置。
步骤2.4,求解非线性方程组(3)需进行如下线性化处理,因为:
上式展开可得:
其中:xi,1=xi-x1,yi,1=yi-y1,hi,1=hi-h1;xi,1、yi,1、hi,1分别表示第i个水听器和第1个水听器在X、Y、H方向的位置差。
步骤2.5,假设D1已知,水听器距离差观测值Di,1的精度为a,信号标记鱼处水深h的可能范围为b~c,则有如下观测方程组:
L=BX (6)
式(6)中:
L为观测值向量,其大小为n×1,n为监测网中水听器数量;
B为系数矩阵,其大小为n×3;
X为待估值,即信号标记鱼的位置,
对应的观测值权矩阵P为:
式(7)中,观测值权矩阵P的大小为n×n;E为n-1维的单位矩阵。
本发明中,可能范围b~c可采用鱼类定位设备直接提供的水深观测值、水深先验信息或经验获得。例如,根据水深观测值获得可能范围b~c具体为:对内置水压机的信号标记,水听器记录信号接收时刻时可同步记录水压计观测值,即水深信息,根据水压计观测值以及水压计测量精度即可设置可能范围b~c。根据水深先验信息获得可能范围b~c具体为:鱼类定位设备提供的水深先验信息为-1.0m,而水深观测值精度为0.1m,则水深的可能范围为-1.1m~-0.9m。对于无法提供水深先验信息的鱼类定位设备,可根据经验提供可能范围b~c。
步骤2.6,则信号标记鱼位置(x,y,h)可由公式(6)-(7)按最小二乘法估计得到:
X=(BTPB)-1BTPL (8)
步骤2.7,将式(8)代入式(1),令i=1,则得到一个关于D1的二次方程,求解该二次方程,并将其正根代回式(8),就得到信号标记鱼的估计位置(x0,y0,h0),信号发射时刻的估值t0可根据式(2)计算得到。
某些情况D1可能有两个正根,这种模糊性可由以下先验信息进行选择:
步骤2.7.1,对于每一个有效观测的水听器,水听器与信号标记鱼定位结果间(x0,y0,h0)的距离应小于该水听器的最大可观测距离;
步骤2.7.2,h0应在b~c的水深范围内;
步骤2.7.3,信号标记鱼定位结果与前一时刻的信号标记鱼定位结果、以及与后一时刻的信号标记鱼定位结果间的三维距离均应小于信号标记鱼的最大游速和两组定位结果时间差△T的乘积。
步骤3,根据步骤2的解算结果构建信号标记鱼的近似坐标备选区间,并按照指定间隔依次将备选近似坐标作为初值用于步骤4的数据处理。步骤2的解算结果即信号标记鱼的估计位置(x0,y0,h0)。
步骤3.1,认为该近似坐标在平面方向的最大距离误差为d,以步骤2的解算结果为中心,以距离2d为横边长,距离2×(c-b)为纵高,构建大小为2d×2d×2(c-b)的近似坐标备选区间;d为步骤2的解算精度,经试验验证,本具体实施方式中,步骤2的解算精度为30m,则d取30m。
步骤3.2,平面方向每隔f米,水深方向每隔e米,将所述近似坐标备选区间划分成子网;f和e的取值范围优选为1~5。
以每格子网的节点位置为近似坐标初值,依次带入步骤4的数据处理。
步骤4,对于步骤3构建的近似坐标备选区间,将其中各节点的位置依次作为信号标记鱼位置初值,按照抗差最小二乘估计进行信号标记鱼的精密定位解算。当同一组超声波信号仅被3个水听器记录时,直接采用最小二乘估计得到定位结果。如信号能被多于3个水听器记录时,为有效判别复杂环境下因遮挡、折射等原因可能导致的水听器错误观测值,采用抗差最小二乘估计探测粗差观测值并对其降权处理。
步骤4.1,最小二乘估计。
步骤4.1.1,对于一组TOA观测值,首先将式(2)在信号标记鱼初始位置(x0,y0,h0)及信号发射时刻初值t0处进行Taylor展开,忽略二阶以上分量,同时顾及信号标记鱼处水深的可能范围b~c等先验近似信息,则有如下观测方程组:
l=CΔ+ε (9)
式(9)中:
l表示观测值向量,其大小为(n+1)×1,n为监测网中水听器数量;
C表示系数矩阵,其大小为(n+1)×4;
Δ表示改正量向量,(Δx,Δy,Δh)表示信号标记鱼位置的改正量,Δt表示信号发射时刻的改正量;
ε为观测误差矩阵。
对应的观测值初始权矩阵p见式(10):
式(10)中,观测值权矩阵p的大小为(n+1)×(n+1);E为n维的单位矩阵。
步骤4.1.2,上述观测方程组按照式(11)进行最小二乘估计,可得信号标记鱼的坐标和信号发射时刻改正量△。
步骤4.1.3,通过多次迭代更新初始坐标(x0,y0,h0)、信号发射时刻t0直至△小于指定阈值(如:0.01m),即可得到最终的信号标记鱼定位结果。
Δ=(CTpC)-1CTpl (11)
[x y h t]T=[x0 y0 h0 t0]T+ΔT (12)
步骤4.2,探测粗差观测值并降权。
步骤4.2.1,对于式(11)的最小二乘估计结果,其观测值残差v和验后单位权中误差σ可按照下式计算得到。
v=CΔ-l (13)
步骤4.2.2,如σ较水听器距离差观测值的精度a显著增大,例如:σ>2a,则观测值中存在粗差,此时采用抗差最小二乘估计确定存在粗差的观测值并对其降权处理。
观测值残差v的协因数矩阵Qvv为:
此时,对于每个参与解算的观测数据,其观测值权重pi,i的更新策略如下:
式中,i=1、2、3…n;pi,i表示观测值权重矩阵中第i行第i列的权重;k0取1.0~1.5,k1取3.0~6.0;vi是第i个观测值对应的残差;是第i个观测值对应的标准化残差;Qvv是观测值残差v的协因数矩阵;是协因数矩阵中第i行第i列的数值。
步骤4.2.3,对于每一组观测数据,当在k0~k1范围内时,认为对应观测值中可能存在粗差,对这部分观测值采用降权处理,所述降权处理即减少存在粗差的观测值的权重,即在公式(10)所计算的权重基础上进行减少;当大于k1时,认为观测值中含有粗差,将对应观测值剔除出数据处理过程。
步骤4.3,重复步骤4.1至步骤4.2直至待估参数的改正量小于指定阈值,此时得到抗差最小二乘处理模式下的信号标记鱼精密定位结果。在此数据处理过程中通过式(16)的不断迭代计算,误差较大的水听器距离观测数据将会被赋予越来越小的权重,从而降低对最终解算结果的影响。
步骤5,依次按照以下检核条件对此时的定位结果进行有效性评估,如评估未通过,则返回步骤3,选取新的近似坐标初值,重新开始步骤4~5的解算过程。如评估均已通过,则将该组结果作为信号标记鱼最终的精密定位结果进行输出。
步骤5.1,步骤4的定位解算结果与步骤3设定的标记鱼近似坐标间距离误差应小于最大距离误差d;
步骤5.2,对于每一个有效观测的水听器,水听器与步骤4的信号标记鱼定位解算结果间的距离应小于该水听器的最大可观测距离;
步骤5.3,步骤4的定位解算结果中h应在b~c的水深范围内;
步骤5.4,步骤4的定位解算结果与其前一时刻的定位解算结果、以及与其后一时刻的定位解算结果间的三维距离,均应小于信号标记鱼的最大游速V(如:3m/s)和两组定位解算结果的时间差△T的乘积。
本具体实施方式基于现有毫秒级观测精度的水听器设备,可以实现2m~4m精度的水下三维位置确定。在进行信号标记鱼精密定位过程中,利用16个水听器观测数据的测试结果表明,采用本发明方法可100%探测出参与解算的水听器观测数据中是否存在粗差,并能在99.1%的情况下确定唯一的粗差观测值。随着粗差观测值个数增加,本发明方法的有效性整体呈下降趋势。当粗差观测值为4个,即占比达到25%时,本发明方法仍能在74.8%的情况下有效探测粗差并得到3米左右的信号标记鱼定位结果。不过,当粗差个数继续增加时,粗差探测的成功率存在显著下降的现象,当粗差观测值的占比达到37.5%以上,此时本发明方法仍能探测出观测数据中存在粗差,但无法有效确定粗差观测值的位置。本发明提出的鱼类超声波标记精密定位方法,为在低可见度的江河湖海中确定鱼体精确运动轨迹提供了一种有效的解决方案,对于生态环境保护,增进人类对水生环境中生态和行为在种群层面演变过程的了解具有一定的推动作用。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出任何的修改和改变,都落入本发明的保护范围。
Claims (7)
1.一种适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是,包括:
S1采集信号标记鱼到达水听器监测网内各水听器的时间或到达两个水听器的时间差,测算信号标记鱼和各水听器的距离或和两个水听器的距离差;
S2利用Chan算法估计信号标记鱼的近似坐标(x0,y0,h0)和信号发射时刻t0;
S3以(x0,y0,h0)为中心,构建横边长为2d、纵高为2×(c-b)的近似坐标备选区间,并对近似坐标备选区间划分子网;其中,d为步骤S2中Chan算法的解算精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;
S4取一子网的节点位置作为信号标记鱼位置初值,采用抗差最小二乘估计进行信号标记鱼的定位解算;
S5对步骤S4获得的定位解算结果进行评估,若评估通过,该定位解算结果即信号标记鱼的精密定位结果;否则,取下一子网的节点位置作为信号标记鱼位置初值,重复执行步骤S4;
所述评估包括判断定位解算结果是否同时符合下述条件,若符合,则评估通过:
(1)步骤S4获得的定位解算结果和当前信号标记鱼位置初值的距离误差应小于d;(2)水听器与步骤S4获得的定位解算结果的距离应小于水听器的最大可观测距离;(3)步骤S4获得的定位解算结果中的深度坐标应在b~c范围内;(4)步骤S4的定位解算结果与其前一时刻的定位解算结果、以及与其后一时刻的定位解算结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位解算结果的时间差的乘积。
2.如权利要求1所述的适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是:
步骤S2进一步包括:
2.1根据水听器i的位置(xi,yi,hi)和信号标记鱼的位置(x,y,h),构建水听器i与信号标记鱼的距离方程;其中,i=1,2,...n,n表示水听器监测网中水听器数量;
2.2根据信号标记鱼信号的发射时刻t,构建水听器i对信号的记录时刻方程Oi=Di+t,Oi表示水听器i对信号的记录时刻,Di表示水听器i与信号标记鱼的距离,所述Oi=Di+t中t和Oi均根据水中声速转化为以距离为单位;
2.3根据水听器i对信号的记录时刻Oi,构建信号标记鱼与水听器i、水听器1的距离差方程Di,1=Oi-O1,Di,1表示信号标记鱼与水听器i、水听器1的距离差;O1表示水听器1对信号的记录时刻;
2.4基于进行线性化处理,将记为Ki,将xi-x1、yi-y1、hi-h1分别记为xi,1、yi,1、hi,1;其中,D1表示信号标记鱼与水听器1的距离;
2.5构建观测方程组L=BX和对应的观测值权矩阵其中:
观测值向量系数矩阵待估值E为(n-1)维的单位矩阵;a表示距离差观测值Di,1的精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,b和c根据水深观测值、水深先验信息或经验确定;
2.6根据最小二乘法估计X=(BTPB)-1BTPL;
2.7将估计的X代入水听器i与信号标记鱼的距离方程,令i=1,获得关于D1的二次方程,将求解获得的正根D1代入X=(BTPB)-1BTPL,获得信号标记鱼的近似坐标。
3.如权利要求2所述的适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是:
当子步骤2.7中求解出的D1有两个正根,针对两正根分别求解信号标记鱼的近似坐标和信号发射时刻,并筛选出符合先验信息的信号标记鱼的近似坐标;
所述符合先验信息的信号标记鱼的近似坐标应该同时符合下述条件(1)~(3):
(1)水听器与信号标记鱼的近似坐标的距离应小于水听器的最大可观测距离,即Di应小于水听器的最大可观测距离;
(2)信号标记鱼的近似坐标中的深度坐标应该在b~c范围内;
(3)信号标记鱼定位结果与前一时刻的信号标记鱼定位结果、以及与后一时刻的信号标记鱼定位结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位结果时间差△T的乘积。
4.如权利要求1所述的适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是:
所述划分子网具体为:平面方向每隔f米、水深方向每隔e米进行划分,f和e的取值范围为1m~5m。
5.如权利要求1所述的适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是:
步骤S4进一步包括:
4.1在信号标记鱼位置初值(x0,y0,h0)及对应的信号发射时刻初值t0处,将水听器i对信号的记录时刻方程Oi=Di+t进行泰勒展开,并构建观测方程l=CΔ+ε和观测值初始权矩阵
4.2采用最小二乘法估计改正量向量Δ;
4.3根据改正量向量Δ迭代更新信号标记鱼位置初值及对应的信号发射时刻初值,直至改正量向量Δ小于预设阈值,即获得信号标记鱼的定位解算;
其中:
i=1,2,...n,n表示水听器监测网中水听器数量;Oi表示水听器i对信号的记录时刻,Di表示水听器i与信号标记鱼的距离,所述Oi=Di+t中t和Oi均根据水中声速转化为以距离为单位;观测值向量b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;系数矩阵(x,y,h)表示信号标记鱼的位置,(xi,yi,hi)表示水听器i的位置;改正量向量(Δx,Δy,Δh)表示信号标记鱼位置的改正量,Δt表示信号发射时刻的改正量;ε为观测误差矩阵;E为n维的单位矩阵,a表示距离差观测值Di,1的精度。
6.如权利要求5所述的适用于复杂水环境的鱼类超声波标记精密定位方法,其特征是:
当信号标记鱼的同一组超声波信号被多于3个水听器记录时,在子步骤4.2和4,3间还包括采用抗差最小二乘估计探测粗差观测值并对其降权或剔除的步骤;
该步骤具体为:
计算子步骤4.2获得的改正量向量Δ的观测值残差v和验后单位权中误差σ;
根据σ和距离差观测值a的大小判断观测值是否存在粗差;
采用抗差最小二乘估计可能存在粗差的观测值和确定存在粗差的观测值;对可能存在粗差的观测值进行降权处理,即降低可能存在粗差的观测值对应的权重;剔除确定存在粗差的观测值。
7.一种适用于复杂水环境的鱼类超声波标记精密定位系统,其特征是,包括:
第一模块,用来采集信号标记鱼到达水听器监测网内各水听器的时间或到达两个水听器的时间差,测算信号标记鱼和各水听器的距离或和两个水听器的距离差;
第二模块,用来利用Chan算法估计信号标记鱼的近似坐标(x0,y0,h0)和信号发射时刻t0;
第三模块,用来以(x0,y0,h0)为中心,构建横边长为2d、纵高为2×(c-b)的近似坐标备选区间,并对近似坐标备选区间划分子网;其中,d为第二模块中Chan算法的解算精度,b和c分别为信号标记鱼处水深可能范围的下限和上限,根据水深观测值、水深先验信息或经验确定;
第四模块,用来取一子网的节点位置作为信号标记鱼位置初值,采用抗差最小二乘估计进行信号标记鱼的定位解算;
第五模块,用来对第四模块获得的定位解算结果进行评估;
所述评估包括判断定位解算结果是否同时符合下述条件,若符合,则评估通过:
(1)第四模块获得的定位解算结果和当前信号标记鱼位置初值的距离误差应该小于d;(2)水听器与第四模块获得的定位解算结果的距离应小于水听器的最大可观测距离;(3)第四模块获得的定位解算结果中的深度坐标应在b~c范围内;(4)第四模块的定位解算结果与其前一时刻的定位解算结果、以及与其后一时刻的定位解算结果间的三维距离,均应小于信号标记鱼的最大游速和两组定位解算结果的时间差的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711116977.XA CN107942336B (zh) | 2017-11-13 | 2017-11-13 | 适用于复杂水环境的鱼类超声波标记精密定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711116977.XA CN107942336B (zh) | 2017-11-13 | 2017-11-13 | 适用于复杂水环境的鱼类超声波标记精密定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107942336A true CN107942336A (zh) | 2018-04-20 |
CN107942336B CN107942336B (zh) | 2019-08-02 |
Family
ID=61934894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711116977.XA Active CN107942336B (zh) | 2017-11-13 | 2017-11-13 | 适用于复杂水环境的鱼类超声波标记精密定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942336B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541546A (zh) * | 2018-10-17 | 2019-03-29 | 天津大学 | 一种基于tdoa的水下长基线声学定位方法 |
CN111157998A (zh) * | 2020-01-02 | 2020-05-15 | 自然资源部第三海洋研究所 | 一种海豚水下定位系统及方法 |
RU2724961C2 (ru) * | 2018-08-31 | 2020-06-29 | Общество с ограниченной ответственностью "Сойминтех" | Автономный программно-аппаратный комплекс для фиксирования и оценки пространственного распределения биомассы рыб |
CN111722208A (zh) * | 2020-06-05 | 2020-09-29 | 中国水产科学研究院渔业机械仪器研究所 | 水下鱼群模拟均衡器及其均衡方法 |
CN112684436A (zh) * | 2020-12-15 | 2021-04-20 | 水利部中国科学院水工程生态研究所 | 一种水听器设备的超声波标记信号的时间基准偏差的测量方法 |
CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101194182A (zh) * | 2005-06-08 | 2008-06-04 | 麻省理工学院 | 鱼类聚集群及其习性的连续地大陆架规模监测 |
KR20110123911A (ko) * | 2010-05-10 | 2011-11-16 | 양경혜 | 수산자원 관리를 위한 어류 위치추적 시스템 및 방법 |
CN103076594A (zh) * | 2012-12-31 | 2013-05-01 | 东南大学 | 一种基于互相关的水声脉冲信号双阵元定位的方法 |
CN103925925A (zh) * | 2014-03-14 | 2014-07-16 | 四川九洲空管科技有限责任公司 | 一种用于多点定位系统的实时高精度位置解算方法 |
WO2016141916A1 (de) * | 2015-03-06 | 2016-09-15 | Atlas Elektronik Gmbh | Sonarnetzantenne und auswerteeinrichtung sowie verfahren zum bestimmen einer sonarlageinformation |
CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
CN107290716A (zh) * | 2016-04-13 | 2017-10-24 | 中国科学院声学研究所 | 一种双信号源分离定位方法 |
-
2017
- 2017-11-13 CN CN201711116977.XA patent/CN107942336B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101194182A (zh) * | 2005-06-08 | 2008-06-04 | 麻省理工学院 | 鱼类聚集群及其习性的连续地大陆架规模监测 |
KR20110123911A (ko) * | 2010-05-10 | 2011-11-16 | 양경혜 | 수산자원 관리를 위한 어류 위치추적 시스템 및 방법 |
CN103076594A (zh) * | 2012-12-31 | 2013-05-01 | 东南大学 | 一种基于互相关的水声脉冲信号双阵元定位的方法 |
CN103925925A (zh) * | 2014-03-14 | 2014-07-16 | 四川九洲空管科技有限责任公司 | 一种用于多点定位系统的实时高精度位置解算方法 |
WO2016141916A1 (de) * | 2015-03-06 | 2016-09-15 | Atlas Elektronik Gmbh | Sonarnetzantenne und auswerteeinrichtung sowie verfahren zum bestimmen einer sonarlageinformation |
CN107290716A (zh) * | 2016-04-13 | 2017-10-24 | 中国科学院声学研究所 | 一种双信号源分离定位方法 |
CN106707287A (zh) * | 2016-12-23 | 2017-05-24 | 浙江大学 | 基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2724961C2 (ru) * | 2018-08-31 | 2020-06-29 | Общество с ограниченной ответственностью "Сойминтех" | Автономный программно-аппаратный комплекс для фиксирования и оценки пространственного распределения биомассы рыб |
CN109541546A (zh) * | 2018-10-17 | 2019-03-29 | 天津大学 | 一种基于tdoa的水下长基线声学定位方法 |
CN111157998A (zh) * | 2020-01-02 | 2020-05-15 | 自然资源部第三海洋研究所 | 一种海豚水下定位系统及方法 |
CN111722208A (zh) * | 2020-06-05 | 2020-09-29 | 中国水产科学研究院渔业机械仪器研究所 | 水下鱼群模拟均衡器及其均衡方法 |
CN112684436A (zh) * | 2020-12-15 | 2021-04-20 | 水利部中国科学院水工程生态研究所 | 一种水听器设备的超声波标记信号的时间基准偏差的测量方法 |
CN112684436B (zh) * | 2020-12-15 | 2023-08-01 | 水利部中国科学院水工程生态研究所 | 一种水听器设备的超声波标记信号的时间基准偏差的测量方法 |
CN115456490A (zh) * | 2022-11-14 | 2022-12-09 | 中国水产科学研究院南海水产研究所 | 一种基于地理信息的渔业资源数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107942336B (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107942336B (zh) | 适用于复杂水环境的鱼类超声波标记精密定位方法及系统 | |
CN109060056B (zh) | 一种非接触式雷达测流的河道断面流量计算方法 | |
Munar et al. | Coupling large-scale hydrological and hydrodynamic modeling: Toward a better comprehension of watershed-shallow lake processes | |
Fossette et al. | Current-oriented swimming by jellyfish and its role in bloom maintenance | |
CN109271694B (zh) | 基于鱼类个体动态模拟技术的栖息地识别方法 | |
Hays et al. | Open ocean reorientation and challenges of island finding by sea turtles during long-distance migration | |
Rauchenstein et al. | Improving underwater localization accuracy with machine learning | |
Bauer et al. | Aerial surveys to monitor bluefin tuna abundance and track efficiency of management measures | |
Cole et al. | The Ornithodolite as a tool to quantify animal space use and habitat selection: a case study with birds diving in tidal waters | |
Hossain et al. | Predicting water availability of the regulated Mekong river basin using satellite observations and a physical model | |
CN109633548A (zh) | 一种水声台网关联方法 | |
CN108665549A (zh) | 项目用海的三维海底模型建立方法及海洋生物损失量的计算方法 | |
CN109883405B (zh) | 一种推求江河产漂流性卵鱼类的产卵场位置的方法 | |
CN101614819A (zh) | 浅水湖泊沉水植物自动识别技术及装置 | |
CN107831516A (zh) | 融合gnss和地面监测网获取大坝实时高精度位移的方法 | |
Carus et al. | Which factors and processes drive the spatio-temporal dynamics of brackish marshes?—Insights from development and parameterisation of a mechanistic vegetation model | |
Ratsimandresy et al. | Identification of geographic zones of influence associated with surface circulation for Aquaculture Bay Management Area application | |
Estigade et al. | Remote sensing and GIS application for water environment suitability evaluation in Lampung and Hurun Bay | |
Hou et al. | Precise capture of fish movement trajectories in complex environments via ultrasonic signal tag tracking | |
Li et al. | Identifying the seasonal characteristics of likely habitats for the Yangtze finless porpoise in Poyang Lake | |
Wolfenkoehler et al. | Viability of side-scan sonar to enumerate Paddlefish, a large pelagic freshwater fish, in rivers and reservoirs | |
Stockdale et al. | Measuring river velocities using GPS river flow tracers (GRiFTers) | |
McInturf et al. | Use of a hydrodynamic model to examine behavioral response of broadnose sevengill sharks (Notorynchus cepedianus) to estuarine tidal flow | |
Burau et al. | Innovation in Monitoring: The US Geological Survey Sacramento–San Joaquin River Delta, California, flow-station network | |
CN112684436B (zh) | 一种水听器设备的超声波标记信号的时间基准偏差的测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |