CN112857313A - 一种面向低带宽声学信道的测深信息传输方法 - Google Patents

Abstract

本发明公开了一种面向低带宽声学信道的测深信息传输方法，包括AUV端和无人艇端两个部分，分别在AUV和水面无人艇上同时运行，AUV将大量地形测点存储为子地图形式，通过最小化边缘概率密度函数计算能够保留子地图大部分数据的少量伪点和高斯过程模型超参数，并将伪点和高斯过程模型超参数以数据包形式通过声学信道广播求解，水面无人艇捕获数据包后利用高斯过程回归重建原地图，从而解决低带宽声学通讯下的巨量地形测深数据传输问题，降低了跨介质协同地形测绘系统对高带宽声学通讯设备的依赖。

Description

一种面向低带宽声学信道的测深信息传输方法

技术领域

本发明涉及一种面向低带宽声学信道的测深信息传输方法，属于水下声学通讯领域。

背景技术

随着多波束测深技术的发展，高精度海底地形测绘成为可能。由水面无人艇和多个水下智能机器人(Autonomous Underwater Vehicle,AUV)组成的跨介质协同地形测绘系统是当前海底地形高精度测绘的有效解决方案。其中，AUV搭载多波束声纳在水下完成高精度地形测绘，并将测绘数据通过声学通信传输至水面无人艇，水面无人艇则完成多个AUV测绘结果的整合建图，并为水下作业的AUV提供精确导航信息。然而，考虑水下声学通讯带宽较低，而多波束声纳每一秒可以测绘几百至上千地形测点，数据量庞大，无法通过声学通讯实时传输。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种面向低带宽声学信道的测深信息传输方法，解决低带宽声学通讯下的巨量地形测深数据传输问题。

为解决上述技术问题，本发明的一种面向低带宽声学信道的测深信息传输方法，包括AUV端步骤和无人艇端步骤；

AUV端步骤具体为：

步骤1.1：AUV通过多波束声纳发射声脉冲获取海底地形数据，当地形测点个数N为A的倍数时，将第A×(N-1)+1到第A×N个地形测点存为子地图，其中A为给定自然数，500≤A≤1500，执行步骤1.2；

步骤1.2：AUV通过最小化边缘概率在当前子地图中求取M个能够表征子地图测深信息的伪点水平面位置和高斯过程模型超参数，执行步骤1.3；

步骤1.3：AUV根据子地图所有历史测深数据和步骤1.2求得的超参数构建高斯过程模型，求解M个伪点水平面位置对应的海底地形深度，执行步骤1.4；

步骤1.4：AUV将M个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播，返回步骤1.1；

无人艇端步骤具体为：

步骤2.1：无人艇监听声学信息，当捕获某一个子图通过声学信道发出的全部数据包时进行步骤2.2，否则保持监听状态；

步骤2.2：无人艇通过数据包内M个伪点水平位置利用凸包算法确定子地图覆盖范围，执行步骤2.3；

步骤2.3：无人艇将步骤2.2确定的子地图覆盖范围按照一定预设分辨率网格化，计算网格节点位置，执行步骤2.4；

步骤2.4：无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型，计算各网格节点对应海底地形深度，并返回步骤2.1。

本发明还包括：

1.步骤1.2中AUV通过最小化边缘概率在当前子地图中求取M个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数具体为：

步骤1.2.1：构建高斯核函数K，具体为：

式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标，b和c为高斯核函数超参数，其取值将在步骤1.2.2中求取；

步骤1.2.2：对下式进行最小化边缘概率求取伪点水平面坐标X′＝{x′[m],m＝1,2,...,M}和高斯过程模型超参数Θ＝{b,c,σ²}：

式中H＝{h[n],n＝1,2,...,N}为第A×(N-1)+1到第A×N个地形测点的海底地形深度的集合，X＝{x[n],n＝1,2,...,N}为第A×(N-1)+1到第A×N个地形测点水平面坐标的集合，X′＝{x′[m],m＝1,2,...,M}为M个伪点水平面坐标x′[m]的集合，σ²I为地形测点测绘噪声在海底地形深度方向的方差，Θ＝{b,c,σ²}为超参数的集合，Λ＝diag(λ)，λ＝{λ_n},n＝1,2,...,N,且

式中，[k_n]_m＝K(x[n],x′[m])，[K_M]_mm′＝K(x[m],x[m′])，其中m＝1,2,...,M；[K_NM]_nm＝K(x[n],x[m])，其中n＝1,2,...,N且m＝1,2,...,M。

2.步骤1.3中求解M个伪点水平面位置对应的海底地形深度具体为：

对于第m个伪点，已知伪点水平面坐标x′[m]，其对应海底地形深度满足高斯分布Ν(μ_m,Ω_m)，且：

式中，[k_x′[m]]_n＝K(x[n],x′[m])，[K_N]_nn′＝K(x[n],x[n′])，其中n＝1,2,...,N且n′＝1,2,...,N。

3.步骤2.4中计算各网格节点对应海底地形深度具体为：

对于第l个网格点，已知网格点水平面坐标x^g[l]，其对应海底地形深度满足高斯分布

且：

式中，

[K_M]_mm′＝K(x′[m],x′[m′])，其中m＝1,2,...,M且m′＝1,2,...,M。

本发明的有益效果：

本发明在AUV端对包含海量海底地形测点的实测海底地形图进行数据压缩，并通过声学信道广播压缩后海底地形图；在水面无人艇端通过压缩后海底地形图确定原地图覆盖范围并将其网格划，最终利用高斯过程回归算法重建网格化地图。

本发明通过AUV端的测深数据压缩和无人艇端的地图重建过程，实现通过低带宽声学信道传输AUV测绘得到的海底地形的目的，降低了跨介质协同地形测绘系统对高带宽声学通讯设备的依赖。

附图说明

图1是本发明的AUV端方法流程图；

图2是本发明的无人艇端方法流程图；

图3是本发明适用的跨介质协同地形测绘系统示意图。

具体实施方式

下面结合附图对本发明具体实施方式做进一步说明。

本发明主要是一种智能水下机器人(Autonomous Underwater Vehicle,AUV)通过声学通讯手段向水面无人艇传递其测绘得到海底地形数据的方法。方法主要分为AUV端和无人艇端两个部分，分别在AUV和水面无人艇上同时运行。利用该方法，AUV将大量地形测点存储为子地图形式，通过最小化边缘概率密度函数计算能够保留子地图大部分数据的少量伪点和高斯过程模型超参数，并将伪点和高斯过程模型超参数以数据包形式通过声学信道广播求解，水面无人艇捕获数据包后利用高斯过程回归重建原地图，从而解决低带宽声学通讯下的巨量地形测深数据传输问题。

结合图1，AUV端具体步骤为：

步骤1.1、AUV通过多波束声纳不断发射声脉冲获取海底地形数据，当地形测点个数N为1000的倍数时，将第1000×(N-1)+1到第1000×N个地形测点存为子地图，执行步骤1.2。

步骤1.2、AUV通过最小化边缘概率在当前子地图中求取100个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数，执行步骤1.3。

步骤1.2.1、构建高斯核函数K如下式所示：

式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标，b和c为高斯核函数超参数，其取值将在步骤1.2.2中求取。

步骤1.2.2、对下式进行最小化边缘概率求取伪点水平面坐标X′＝{x′[m],m＝1,2,...,M}和高斯过程模型超参数Θ＝{b,c,σ²}：

式中H＝{h[n],n＝1,2,...,N}为第1000×(N-1)+1到第1000×N个地形测点的海底地形深度的集合，X＝{x[n],n＝1,2,...,N}为第1000×(N-1)+1到第1000×N个地形测点水平面坐标的集合，N＝1000，X′＝{x′[m],m＝1,2,...,M}为M个伪点水平面坐标x′[m]的集合，M＝100，σ²I为地形测点测绘噪声在海底地形深度方向的方差，Θ＝{b,c,σ²}为超参数的集合，Λ＝diag(λ)(λ＝{λ_n},n＝1,2,...,N),且

上式中，[k_n]_m＝K(x[n],x′[m]),[K_M]_mm′＝K(x[m],x[m′]),其中m＝1,2,...,M；[K_NM]_nm＝K(x[n],x[m])，其中n＝1,2,...,N且m＝1,2,...,M。

步骤1.3、AUV根据子地图所有历史测深数据和步骤二求得的超参数构建高斯过程模型，求解100个伪点水平面位置对应的海底地形深度，执行步骤1.4。

对于第m个伪点，已知伪点水平面坐标x′[m]，其对应海底地形深度满足高斯分布Ν(μ_m,Ω_m)，且

式中，[k_x′[m]]_n＝K(x[n],x′[m])，[K_N]_nn′＝K(x[n],x[n′])，其中n＝1,2,...,N且n′＝1,2,...,N。

步骤1.4、AUV将100个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播，返回步骤1.1。

AUV端步骤1.4中子地图测深信息将分解为10个数据包发送，每个数据包内包括10个伪点水平面坐标及对应地形深度，以及高斯过程模型全部超参数数据。

结合图2，无人艇端具体步骤为：

步骤2.1、无人艇监听声学信息，当捕获某一个子图全部10个数据包时进行步骤2.2，否则保持监听状态。

步骤2.2、无人艇通过数据包内100个伪点水平位置利用凸包算法确定子地图覆盖范围，执行步骤2.3。

步骤2.3、无人艇将步骤二确定的子地图覆盖范围按照一定预设分辨率网格化，计算网格节点位置，执行步骤2.4。

步骤2.4、无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型，计算各网格节点对应海底地形深度，并返回步骤2.1。

对于第l个网格点，已知网格点平面坐标x^g[l]，其对应海底地形深度满足高斯分布

且

式中，

[K_M]_mm′＝K(x′[m],x′[m′])，其中m＝1,2,...,M且m′＝1,2,...,M。

结合图3，本发明适用的跨介质协同地形测绘系统由水面无人艇1和多个搭载了多波束声纳4的AUV2组成。AUV2通过多波束声纳4不断测绘海底地形，并通过水声学通讯设备3将地形测绘结果传输至水面无人艇1。

Claims (4)

1.一种面向低带宽声学信道的测深信息传输方法，其特征在于：包括AUV端步骤和无人艇端步骤；

所述AUV端步骤具体为：

步骤1.1：AUV通过多波束声纳发射声脉冲获取海底地形数据，当地形测点个数N为A的倍数时，将第A×(N-1)+1到第A×N个地形测点存为子地图，其中A为给定自然数，500≤A≤1500，执行步骤1.2；

步骤1.2：AUV通过最小化边缘概率在当前子地图中求取M个能够表征子地图测深信息的伪点水平面位置和高斯过程模型超参数，执行步骤1.3；

步骤1.3：AUV根据子地图所有历史测深数据和步骤1.2求得的超参数构建高斯过程模型，求解M个伪点水平面位置对应的海底地形深度，执行步骤1.4；

步骤1.4：AUV将M个伪点和高斯过程模型超参数以数据包的形式通过声学信道广播，返回步骤1.1；

所述无人艇端步骤具体为：

步骤2.1：无人艇监听声学信息，当捕获某一个子图通过声学信道发出的全部数据包时进行步骤2.2，否则保持监听状态；

步骤2.2：无人艇通过数据包内M个伪点水平位置利用凸包算法确定子地图覆盖范围，执行步骤2.3；

步骤2.3：无人艇将步骤2.2确定的子地图覆盖范围按照一定预设分辨率网格化，计算网格节点位置，执行步骤2.4；

步骤2.4：无人艇利用数据包内伪点和高斯过程模型超参数构建高斯过程模型，计算各网格节点对应海底地形深度，并返回步骤2.1。

2.根据权利要求1所述的一种面向低带宽声学信道的测深信息传输方法，其特征在于：步骤1.2所述AUV通过最小化边缘概率在当前子地图中求取M个能够表征大部分子地图测深信息的伪点水平面位置和高斯过程模型超参数具体为：

步骤1.2.1：构建高斯核函数K，具体为：

式中x[n]和x[n′]分别为第n和n′个地形测点的水平面坐标，b和c为高斯核函数超参数，其取值将在步骤1.2.2中求取；

步骤1.2.2：对下式进行最小化边缘概率求取伪点水平面坐标X′＝{x′[m],m＝1,2,...,M}和高斯过程模型超参数Θ＝{b,c,σ²}：

式中H＝{h[n],n＝1,2,...,N}为第A×(N-1)+1到第A×N个地形测点的海底地形深度的集合，X＝{x[n],n＝1,2,...,N}为第A×(N-1)+1到第A×N个地形测点水平面坐标的集合，X′＝{x′[m],m＝1,2,...,M}为M个伪点水平面坐标x′[m]的集合，σ²I为地形测点测绘噪声在海底地形深度方向的方差，Θ＝{b,c,σ²}为超参数的集合，Λ＝diag(λ)，λ＝{λ_n},n＝1,2,...,N,且

式中，[k_n]_m＝K(x[n],x′[m])，[K_M]_mm′＝K(x[m],x[m′])，其中m＝1,2,...,M；[K_NM]_nm＝K(x[n],x[m])，其中n＝1,2,...,N且m＝1,2,...,M。

3.根据权利要求2所述的一种面向低带宽声学信道的测深信息传输方法，其特征在于：步骤1.3所述求解M个伪点水平面位置对应的海底地形深度具体为：

对于第m个伪点，已知伪点水平面坐标x′[m]，其对应海底地形深度满足高斯分布Ν(μ_m,Ω_m)，且：

式中，[k_x′[m]]_n＝K(x[n],x′[m])，[K_N]_nn′＝K(x[n],x[n′])，其中n＝1,2,...,N且n′＝1,2,...,N。

4.根据权利要求3所述的一种面向低带宽声学信道的测深信息传输方法，其特征在于：步骤2.4所述计算各网格节点对应海底地形深度具体为：

对于第l个网格点，已知网格点水平面坐标x^g[l]，其对应海底地形深度满足高斯分布

且：

式中，

[K_M]_mm′＝K(x′[m],x′[m′])，其中m＝1,2,...,M且m′＝1,2,...,M。

Images