CN110132281B - 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 - Google Patents

Abstract

本发明公开了一种基于询问应答模式的水下高速目标高精度自主声学导航方法，包括以下步骤：首先，由获取到的时延信息估计目标径向运动速度，进而获得目标到应答器的距离信息，依据此距离信息构建声学自导航模型并确定权系数；其次，根据自导航模型和权系数确定目标函数，并利用传统方法解算得到的目标位置作为优化算法的搜索初值；最后，采用LMS牛顿算法解算获得目标位置。本发明引入了目标径向速度参量，消除了由目标运动速度引起的模型误差，受目标运动速度影响小；引入了权系数，对误差较大的成分给予较小的权重，有效提高了水下高速运动目标的自导航精度；采用LMS牛顿算法结构简单，计算量小，稳健性强，收敛速度快，便于实时实现。

Description

一种基于询问应答模式的水下高速目标高精度自主声学导航 方法

技术领域

本发明属于水下导航领域，特别是涉及一种基于询问应答模式的水下高速目标高精度自主声学导航方法。

背景技术

随着人们对海洋的开发与利用，发展水下目标的自主导航能力成为发达国家研究的前沿问题。现有的水下目标导航方法有很多，如卫星导航、惯性导航、地球物理导航、组合导航等。其中卫星导航受外界环境条件限制小，并且速度快，导航精度高，可达米或亚米量级。它可在近程、中程、远程，甚至全球范围内导航，但易受外界环境或人为干扰的影响和发射台的制约，并且因需要上浮到海面，使用受限，隐蔽性差。惯性导航系统在水下目标的导航过程中使用最为普遍，通常作为导航系统的核心部件，但存在时间累积误差，且其增长速率与海流、航行器速度、测量传感器精度等因素密切相关。地球物理导航通过实时匹配测得的地球物理参数与地球物理特征的先验分布图实现导航功能，其导航误差不随时间的增加而积累，无需浮出水面，但该技术还有很多应用问题没有解决。组合导航系统通过适当的方式组合两种或两种以上不同的导航设备，利用其性能上的互补性获得更好的导航性能，通常以微小型捷联惯性导航系统为核心，并配备其他导航系统或传感器作为辅助校正和重调手段。

而迄今为止，在水下传播信息最有效的载体就是声波。近年，声学导航技术在水下目标导航中占据了重要的地位，主要包括长基线系统(Long Base Line,LBL)、短基线系统(Short Base Line,SBL)、超短基线系统(Ultra Short Base Line,USBL)三种。其中长基线声学导航系统因其定位精度高，不要求很高的安装精度，无需大量的校准工作等优点得到了广泛应用。长基线系统常采用传统的导航方法，利用球交汇模型解算，它是对椭球交汇模型的一Equation Section(Next)种简化，即：水下目标运动速度很小时，忽略声信号传播过程中目标的运动并认为水下目标发射询问信号和接收应答信号均在同一位置，然而当目标运动速度较快时，这一近似处理会引入很大误差，同时该系统的实际应用中会伴随有阵位测量误差、时延测量误差、声速测量误差等，使得导航准确率变低，导航误差变大，整体性能下降。

发明内容

本发明的目的是实现一种基于询问应答模式的水下高速目标高精度自主声学导航方法，该方法采用询问应答方式，能解决现有的水下高速目标导航方法精度低、受目标运动速度影响大、计算量大、整体性能下降等问题。

本发明通过以下技术方案实现：一种基于询问应答模式的水下高速目标高精度自主声学导航方法，所述导航方法包括以下步骤：

S100根据相邻两个周期测得的目标到同一应答器的传播时延，估计目标的径向运动速度V_r；

S200根据目标的径向运动速度V_r，计算目标与应答器之间的距离信息R_i；

S300利用目标与应答器之间的距离信息以及应答器位置信息构建自主声学导航模型，公式如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号；

S400根据目标与应答器之间的距离信息R_i，确定不同应答器的权系数w_i，进而构建声学导航解算目标函数，w_i与目标和应答器之间的距离信息R_i成反比，即：最优权系数公式如下：

其中α_i为不同应答器对应的比例系数，i为应答器编号，根据线性最小二乘加权估计思想，目标函数公式如下：

其中，n为应答器个数。

S500利用传统的球交汇方法解算水下目标的位置，确定LMS牛顿算法的搜索初值；

S600采用LMS牛顿算法计算获得水下目标的坐标位置。

进一步的，在步骤S100中，具体的，根据目标测得的相邻两个周期距同一应答器的时延值以及声速梯度分布关系估计目标在该位置处的径向运动速度V_r。

进一步的，在步骤S200中，具体的，根据目标的径向运动速度，计算目标与应答器之间的距离信息R_i，由目标径向运动速度V_r、平均声速C₀、以及到第i号应答器的传播时延t_i得到计算目标与应答器之间的距离信息R_i的公式如下：

进一步的，在步骤S300中，具体的，利用目标与应答器之间的距离信息R_i以及应答器位置信息构建自主声学导航模型，由目标位置信息与应答器位置信息确定的真实欧式距离表示如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号，而由利用目标测得时延信息计算得到的目标与应答器之间的距离信息为R_i，令r_i＝R_i，则构建精确的自主声学导航模型如下式所示：

进一步的，在步骤S400中，具体的，根据目标与应答器之间的距离信息R_i，确定不同应答器的权系数w_i，进而构建声学导航解算目标函数，

引入权系数的原则是：在解算过程中令误差大的成分占比重小，而误差小的成分占的比重大，由于应答器距离目标越远，目标所测得的声传播时延误差越大，则w_i与目标和应答器之间的距离信息R_i成反比，即：最优权系数公式如下：

其中α_i为不同应答器对应的比例系数，i为应答器编号，根据线性最小二乘加权估计思想，目标函数公式如下：

进一步的，在步骤S500中，具体的，利用传统的球交汇方法解算水下目标的位置，确定LMS牛顿算法的搜索初值；

目标位置信息用矩阵X＝[x_s y_s z_s]^T表示，给出传统的球交汇方法解算结果如下：

X＝A^-1B，

其中，

B＝[d₂ ²-d₁ ²+r₁ ²-r₂ ²d₃ ²-d₁ ²+r₁ ²-r₃ ²d₄ ²-d₁ ²+r₁ ²-r₄ ²]^T

(x₁,y₁,z₁)，(x₂,y₂,z₂)，(x₃,y₃,z₃)，(x₄,y₄,z₄)分别为1#、2#、3#、4#应答器位置信息，c为声速，t_i为目标测得到不同应答器的时延值，i为应答器编号，将传统方法解得的(x_s,y_s,z_s)作为LMS牛顿算法的搜索初值。

进一步的，在步骤S600中，具体的，采用LMS牛顿算法计算获得水下目标的坐标位置，根据目标函数公式

最优化的过程即是求解目标函数最小值的过程，当目标函数f取最小值时，此时得到用LMS牛顿算法解得的目标位置最优解。

本发明的有益效果在于：相对于传统自导航方法，本发明所设计的方法引入了目标径向速度参量，消除了由目标运动速度引起的模型误差，受目标运动速度影响小；引入了权系数，对误差较大的成分给予较小的权重，有效提高了水下高速运动目标的自导航精度；采用LMS牛顿算法结构简单，计算量小，稳健性强，收敛速度快，便于实时实现。

附图说明

图1为本发明的一种基于询问应答模式的水下高速目标高精度自主声学导航方法的流程图；

图2为目标运动态势图；

图3为传统方法解算结果及误差示意图；

图4为本方法解算结果及误差示意图；

图5为传统方法与本方法导航区域误差分布图，其中：图5(a)为传统方法导航区域误差分布图；图5(b)为本方法导航区域误差分布图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，本发明提供了一种基于询问应答模式的水下高速目标高精度自主声学导航方法的一实施例，所述导航方法包括以下步骤：

S100根据相邻两个周期测得的目标到同一应答器的传播时延，估计目标的径向运动速度V_r；

S200根据目标的径向运动速度V_r，计算目标与应答器之间的距离信息R_i；

S300利用目标与应答器之间的距离信息以及应答器位置信息构建自主声学导航模型，公式如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号；

S400根据目标与应答器之间的距离信息R_i，确定不同应答器的权系数w_i，进而构建声学导航解算目标函数，w_i与目标和应答器之间的距离信息R_i成反比，即：最优权系数公式如下：

其中α_i为不同应答器对应的比例系数，i为应答器编号，根据线性最小二乘加权估计思想，目标函数公式如下：

其中，n为应答器个数。

S500利用传统的球交汇方法解算水下目标的位置，确定LMS牛顿算法的搜索初值；

S600采用LMS牛顿算法计算获得水下目标的坐标位置。

在本部分优选实施例中，在步骤S100中，具体的，根据目标测得的相邻两个周期距同一应答器的时延值以及声速梯度分布关系估计目标在该位置处的径向运动速度V_r。

在本部分优选实施例中，在步骤S200中，具体的，根据目标的径向运动速度，计算目标与应答器之间的距离信息R_i，由目标径向运动速度V_r、平均声速C₀、以及到第i号应答器的传播时延t_i得到计算目标与应答器之间的距离信息R_i的公式如下：

在本部分优选实施例中，在步骤S300中，具体的，利用目标与应答器之间的距离信息R_i以及应答器位置信息构建自主声学导航模型，由目标位置信息与应答器位置信息确定的真实欧式距离表示如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号，而由利用目标测得时延信息计算得到的目标与应答器之间的距离信息为R_i，令r_i＝R_i，则构建精确的自主声学导航模型如下式所示：

在本部分优选实施例中，在步骤S400中，具体的，根据目标与应答器之间的距离信息R_i，确定不同应答器的权系数w_i，进而构建声学导航解算目标函数，

引入权系数的原则是：在解算过程中令误差大的成分占比重小，而误差小的成分占的比重大，由于应答器距离目标越远，目标所测得的声传播时延误差越大，则w_i与目标和应答器之间的距离信息R_i成反比，即：最优权系数公式如下：

其中α_i为不同应答器对应的比例系数，i为应答器编号，根据线性最小二乘加权估计思想，目标函数公式如下：

在本部分优选实施例中，在步骤S500中，具体的，利用传统的球交汇方法解算水下目标的位置，确定LMS牛顿算法的搜索初值；

初始迭代位置的选取对优化算法的性能至关重要，一个好的初始值能够减少优化算法的迭代次数并一定程度上规避陷入局部最优值的风险。传统的球交汇方法是忽略目标运动速度时的一种近似求解方法，对于水下快速目标，该方法会引入很大的解算误差，但是若用其解算的结果作为LMS牛顿算法的初始值，则可以加快优化算法的搜索进程，减少迭代次数，同时，也降低了陷入局部极小值的可能性。

目标位置信息用矩阵X＝[x_s y_s z_s]^T表示，给出传统的球交汇方法解算结果如下：

X＝A^-1B，

其中，

B＝[d₂ ²-d₁ ²+r₁ ²-r₂ ²d₃ ²-d₁ ²+r₁ ²-r₃ ²d₄ ²-d₁ ²+r₁ ²-r₄ ²]^T

(x₁,y₁,z₁)，(x₂,y₂,z₂)，(x₃,y₃,z₃)，(x₄,y₄,z₄)分别为1#、2#、3#、4#应答器位置信息，c为声速，t_i为目标测得到不同应答器的时延值，i为应答器编号，将传统方法解得的(x_s,y_s,z_s)作为LMS牛顿算法的搜索初值。

在本部分优选实施例中，在步骤S600中，具体的，采用LMS牛顿算法计算获得水下目标的坐标位置，该算法作为优化算法，结构简单，鲁棒性强，收敛速度大大提高，解算性能更好。根据目标函数公式

最优化的过程即是求解目标函数最小值的过程，当目标函数f取最小值时，此时得到用LMS牛顿算法解得的目标位置最优解。

下面列举一个实施算例：

采用仿真数据对本发明所设计的基于询问应答模式的水下高速目标高精度自主声学导航方法进行验证，并对过程结果进行说明。

首先给出各参数如下：应答器数为4，各应答器位置坐标如表1所示。同步周期T＝12s，各应答器应答延时为零。目标在海底应答器阵中，沿30°航向角以10m/s的航速匀速直线运动，起始位置为(1000m，1000m)。目标的深度恒定为60m。

表1应答器位置参数

目标运动态势如图2所示。

传统方法解算结果如图3所示，本发明方法解算结果图4所示，对比可知，传统方法的解算结果在x和y方向的目标自导航误差都达到几十米的量级，而本发明方法的解算误差量级只有几米，说明经本方法具有可行性，并且可以大大提高导航精度。

下面给出在整个导航区域内，目标导航误差分布，传统方法解算结果如图5(a)所示，本发明方法解算结果图5(b)所示，对比可知，从整个导航区域看，传统方法误差量级在几十米至上百米，而本发明方法误差量级只有几米，图5(b)给出的导航误差为0.4米。传统方法解算结果受目标位置影响严重，而本发明方法对目标位置信息不敏感，进一步体现出本发明方法的稳健性。

仿真数据处理结果说明本发明所设计的方法可以显著提高水下高速目标的自导航精度，并更具有稳健性。

Claims (4)

1.一种基于询问应答模式的水下高速目标高精度自主声学导航方法，其特征在于，所述导航方法包括以下步骤：

S100根据相邻两个周期测得的目标到同一应答器的传播时延，估计目标的径向运动速度V_r；

S200根据目标的径向运动速度V_r，计算目标与应答器之间的距离信息R_i；

S300利用目标与应答器之间的距离信息以及应答器位置信息构建自主声学导航模型，公式如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号；

S400根据目标与应答器之间的距离信息R_i，确定不同应答器的权系数w_i，进而构建声学导航解算目标函数，w_i与目标和应答器之间的距离信息R_i成反比，即：最优权系数公式如下：

其中α_i为不同应答器对应的比例系数，i为应答器编号，根据线性最小二乘加权估计思想，目标函数公式如下：

其中，n为应答器个数；

S500利用传统的球交汇方法解算水下目标的坐标值大小，确定LMS牛顿算法的搜索初值；

S600采用LMS牛顿算法计算获得解算水下目标的坐标值大小；

在步骤S500中，具体的，利用传统的球交汇方法解算水下目标的位置，确定LMS牛顿算法的搜索初值；

目标位置信息用矩阵X＝[x_s y_s z_s]^T表示，给出传统的球交汇方法解算结果如下：

X＝A^-1B，

其中，

(x₁,y₁,z₁)，(x₂,y₂,z₂)，(x₃,y₃,z₃)，(x₄,y₄,z₄)分别为1#、2#、3#、4#应答器位置信息，c为声速，t_i为目标测得到不同应答器的时延值，i为应答器编号，将解得的(x_s,y_s,z_s)作为LMS牛顿算法的搜索初值；

在步骤S600中，具体的，采用LMS牛顿算法计算获得水下目标的坐标位置，根据目标函数公式

最优化的过程即是求解目标函数最小值的过程，当目标函数f取最小值时，此时得到用LMS牛顿算法解得的目标位置最优解。

2.根据权利要求1所述的一种基于询问应答模式的水下高速目标高精度自主声学导航方法，其特征在于，在步骤S100中，具体的，根据目标测得的相邻两个周期距同一应答器的时延值以及声速梯度分布关系估计目标在该位置处的径向运动速度V_r。

3.根据权利要求1所述的一种基于询问应答模式的水下高速目标高精度自主声学导航方法，其特征在于，在步骤S200中，具体的，根据目标的径向运动速度，计算目标与应答器之间的距离信息R_i，由目标径向运动速度V_r、平均声速C₀、以及到第i号应答器的传播时延t_i得到计算目标与应答器之间的距离信息R_i的公式如下：

4.根据权利要求1所述的一种基于询问应答模式的水下高速目标高精度自主声学导航方法，其特征在于，在步骤S300中，具体的，利用目标与应答器之间的距离信息R_i以及应答器位置信息构建自主声学导航模型，由目标位置信息与应答器位置信息确定的真实欧式距离表示如下：

其中，(x,y,z)为目标位置，(x_i,y_i,z_i)为应答器位置，i为应答器编号，而由利用目标测得时延信息计算得到的目标与应答器之间的距离信息为R_i，令r_i＝R_i，则构建精确的自主声学导航模型如下式所示：