水下辅助导航综述

摘 要：文章介绍了水下辅助导航系统的研究现状；分析了目前常用的水下辅助导航算法，尤其对水下地形辅助导航进行了比较深入的分析，它是目前广泛使用的水下导航技术，随着水下机器人的发展，水下地形辅助导航必将越来越收到研究者的关注，文中也分析了未来地形辅助导航的研究热点。

关键词：水下导航；地形辅助导航；综述

1 概述

当今空中和陆上的导航系统十分依赖于GPS，它能够提供大范围的精确且连续的位置信息。因此GPS广泛应用于各种移动平台上，包括飞行器、地面车等机器人系统中。尽管如此，但还是在一些特殊的环境，GPS不能使用，必须要考虑其它的导航手段。这类环境包括：水下、太空、地底、室内以及其它GPS接收机受限的环境中（比如：战时受屏蔽区域）。尤其在水中，GPS等电磁传感器无法使用，必须考虑其他的辅助导航定位手段。目前在水下有多种类型的导航定位手段，包括声学，光学，地磁以及地形等方法。

随着海洋资源受到各国的极大关注，海上冲突不断，临海更过纷纷投入水下机器人装备的开发。水下导航是水下机器人的关键组成，由于水下特殊的环境，GPS系统无法使用，因此需要进行水下辅助导航。随着科学技术的发展，各种水下导航技术在不同的应用中发挥了重要的作用，越来越多地收到了人们的关注。目前在GPS受限的情况下，水域机器人的导航定位技术有两类：航迹推算以及辅助导航。

航迹推算主要利用速度加速度传感器来计算机器人的位置，由于测量的误差积分的结果会产生飘移，随着时间的增加误差会增大。典型的推算公式如下：

（1）

这里dxn和dqb分别表示机器人的位置和方向的改变量，R（qb）和■（qb）是旋转矩阵，vb、ab和？棕b分别表示速度，加速度以及角速度。n表示惯性导航的第n时刻，b表示机器人本体。在机器人系统中，一般通过融合加速度、陀螺、磁力仪以及速度传感器信息来计算机器人位置。航海常用的导航传感器主要有水压传感器，磁罗盘，陀螺仪，加速度计，IMU （Inertial Measurement Unit），AHRS （Attitude， Heading and Reference System），DVL（Doppler Velocity Log），传感器原理不同，其测量精度相差很大。对于功耗和成本有限的机器人，很多高精度的设备都无法使用，难以达到高精度的导航。

水下的辅助导航主要有声学辅助导航，通常通过声学定位传感器来进行位置计算的，使用的传感器由有长基线或短基线定位传感器。另外，地形辅助导航，视觉辅助导航，地磁辅助导航方式，以及重力辅助导航方式也有诸多研究。

2 水下辅助导航

2.1 基于声波的辅助导航

声学辅助导航是使用声纳测量距或者测量已知位置的发射器来进行的，水下机器人的位置通常通过直接或者三角形法获得。系统定位的精度依赖于发射器的位置精度以及发射型号的频率。若只是通过声波进行定位，这些系统的范围也是有限的。

最常见的水下声波定位系统有长基线定位，超短基线定位等。长基线定位系统类似与水下的GPS系统，包括一系列在海底布置的精确定位的基站点。标准的长基线定位系统，如果12khz的信号，能够达到0.1～10m的定位精度。更高的频率可以达到2mm的精度，但是定位范围会缩短为100m。长基线系统部署较为固定，因此不适合大范围的任务需要。另外，部署以及标定这些系统也是非常昂贵的。超短基线提供了一种低成本的声波定位方案，它的定位绑定了水面船只，可以利用水面船只的GPS信号提供一个较大范围的水下定位。通常超短基线定位系统可以达到5～20m的定位精度。

2.2 基于视觉的辅助导航

视觉辅助导航利用摄像机的图像与已知地形图像计算相关性来实现的。当使用连续的图像，视觉系统能够提高高精度的辅助导航定位。如果水下机器人能够在任务中多次的来到同一个定位地点，能够有效的减少导航的累计误差。这样在闭环的导航系统中，能够有效的减低累计误差造成的影响。

闭环的导航涉及到在操作区域要生成一个图像地图，结合基于地图的定位技术可以得到精确的位置，这种技术最常用的是同时定位与地图构建系统（SLAM），它可以在线或者离线实现。

在线的单目相机可以达到定位精度为0.5m，离线的系统可以在高几个百分点。由于基于视觉的系统收到光线影响，在水下较深的地方光线无法到达，不适用于水很深的区域。

2.3 基于地球物理相关的辅助导航

地球物理相关的辅助导航，类似与视觉的导航计算相关性，这种方法是计算地理物理量的相关性。它主要有：地磁场，重力场以及海拔。给定一个先验的地图，基于地球物理的地图定位技术可以提供比较精确的导航定位，优点是能够提供一个比较大范围的导航定位，但是其精度往往不够高，受到环境的影响，这些物理量会发生变化，造成定位精度不高。另外前期建立物理场相关的地图也非常困难，目前应用比较少。

2.4 基于地形的辅助导航

这种方法以先期的地形特征为信息源，机器人通过携带的传感器将实测的地形数据与存储的地形进行相关性计算从而实现自身的定位。它的优点是只依赖于先期的地形信息以及相关传感器就能够得到高精度的导航，而不需要增加任何设备，就能够实现远距离的运行。地形辅助导航自提出以来就得到极大的关注，目前有多种的算法研究，是应用最多的辅助导航技术。

2.4.1 SITAN（Sandia Inertial Terrain Aided Navigation）算法

由桑迪亚实验室首先提出，算法通过线性化地形的测量公式来估计机器人的位置，通过扩展卡尔曼滤波来对位置进行预测。公式为：

（2）

上式中，h（.）表示地形，x表示机器人的位置，由此可知计算机器人位置需要计算地形的梯度，这样会导致两个问题：（1）梯度计算的质量严重影响估计的结果。通过统计的方法可以提高计算的准确性。（2）即使是精度较高的梯度计算，很难表示高非线性的地形。改进方法有很多人在研究，Boozer提出使用一个三态的扩展卡尔曼滤波来解决北和东方向的不确定。Hollowel采用类似思想，应用到直升机的控制来修正北方和东方的定位。通过估计深度，Hell的方法实现避免了在测量阶段更新阶段计算地形地图。国内2007年于家城和郑彤分别对这个方法进行了改进，对多波速测深系统的水下载体导航进行了研究，但仅得到了仿真结果。

2.4.2 VATAN（Viterbi Algorithm Terrain Aided Navigation）算法

1995年 Enns等基于Viterbi算法，提出了一种动态编程的方法近似地对地形导航进行贝叶斯递归。这个算法是通过一阶马尔科夫过程推导出最可能的状态序列。不同于计算全后验概率密度的算法，这个算法仅根据前一时刻的状态来计算出当前最可能的状态估计，使用方程为：

（3）

L的递归计算需要离散化状态空间。在VATAN中，离散化是通过一个统一网格来实现的。但这个想法仅仅通过仿真方式对比了SITAN方法，系统未在实际系统中使用过。

2.4.3 PDAF（ Probabilistic Data Association Filter）算法

DI Massa 通过PDAF技术通过对多波速声纳测量的地形表面实现地形导航。这方法也被用来改进TERCOM算法为飞行器导航。

2.4.4 全贝叶斯传播方法

1997年，研究者开始研究通过贝叶斯递归来进行解决地形导航的问题。Niclas Bergem 首次使用这些数值的方法来实现地形导航估计，他提出通过PMF（Point Mass Filter）来逼近非线性状态分布的雷达测高仪解决飞行器的地形导航问题，PMF方程通过统一的网格对状态空间进行离散化。

基于PMF的地形导航系统发表不久，Bergem通过粒子滤波的方法来解决地形导航的问题。粒子滤波方法通过状态空间的概率采样来近似贝叶斯递归。PMF方法实现的地形导航同样成功应用于康斯伯格的HUGINaAUV和SaabAUV62上。在2003年williams，通过粒子滤波在地形导航估计之外，对速度也进行了估计。同年，Karlsson等利用粒子滤波对方向，角速度以及速度进行了状态估计。采用粒子滤波和PMF方法进行地形导航的优点有很多研究者做出研究。国内，也有大量的相关研究[17-18]，颜诗源采用例子滤波得而地形导航对巡航导弹知道进行了仿真[14]。谌剑对粒子滤波的重采样进行了改进，对水下地形匹配算法进行了研究[15]。总的来说，PMF表现出更好的鲁棒性，粒子滤波能够在状态空间有更好的采样。而且这些方法能更好的适应在地形导航中的复杂性，非线性运动，包括有色噪声以及坐标转换模型。

2.4.5 地形辅助导航分析

在地形辅助导航中，需要有先期的地图，为了解决这个问题，SLAM方法提了出来，然而在实际中大多数区域的地图是先期是非常容易获得的。特别是在那些需要在指定区域作业的情况，提前会对那个重点区域进行探测，这时采用地形导航是非常适合的。地形导航系统的研究已经有几十年， 但是现有的方法大多是通过高精度的惯性导航设备和高精度的地形测绘设备来实现的，高成本以及高功耗限制了这种方法的使用。

在特定区域作业是水下或水面机器人最基本的一项功能，主要的工作就是能够在预先选择的区域内自主导航，可实现数据采集或作业目的。在GPS受限的情况下的第一个挑战就是在指定区域地图是非惯性参考系时，如何能够有效地提供导航信息给机器人。第二个挑战是由于传感器成本、功耗有限或者军用传感器禁售，只能使用较低精度的导航传感器（如：惯性导航传感器），如何通过地形相关的导航实现高精度导航。

另外，水下或水面机器人需要进行大范围的自主导航，在GPS受限的条件下，仅仅使用惯性导航系统是不够的，由于惯性导航系统误差是随航行时间的递增而不断累加的，采用地形导航系统可以实现大范围的导航。然而对于大范围的地形导航系统，许多区域的地形信息可能是提前是无法获取的，或者是地形信息的精度是不高的。在这个情况下的挑战就是如何能够在地形信息部分缺失或是信息精度不高的情况下提供一种评估的手段完成长距离导航。

3 结束语

当前海洋资源的越来越多的受到各国的关注，海洋冲突越来越频繁，临海各国纷纷投入海洋军事机器人装备的开发。但是在战争时，相关海域常有电子封锁，水下机器人和水面艇的导航就受到影响，因此研究辅助导航有重要的现实意义。在这些辅助导航算法中，地形辅助导航技术最为成熟，也存在一定问题，是将来研究的重点。

参考文献

[1]J. Hollowell. Heli/sitan- a terrain referenced navigation algorithm for helicopters.IEEE PLANS，1990，20（23）：616-625.

[2]郑彤，王志刚，等.海底地形辅助导航sitan算法的改进[J].舰船电子工程，2008，28（7）.

[3]于家城，晏磊，邓嵬，等.海底地形辅助导航sitan算法中二次搜索技术[J].电子学报，2007，35（3）：474-477.

[4]丁永忠，王建平，徐枫.地磁导航在水下航行体导航中的应用[J].鱼雷技术，2009，17（3）：47-51.

[5]蔡兆云，魏海平，任治新.水下地磁导航技术研究综述[J].国防科技，2007，3：28-29.

[6]胡晓，高伟，李希灿.水下导航系统的地磁匹配算法研究[J].山东农业大学学报：自然科学版，2014，1：154-157.

[7]郝燕玲，赵亚凤，胡峻峰.地磁匹配用于水下载体导航的初步分析[J].地球物理学进展，2008，23（2）：594-598.

[8]吴太旗，黄谟涛，边少锋，等.直线段的重力场匹配水下导航新方法[J].中国惯性技术学报，2007，15（2）：202-205.

[9]王文晶.基于重力和环境特征的水下导航定位方法研究[J].哈尔滨工程大学，2009.

[10]李姗姗，吴晓平.水下重力无源导航系统组合模式的研究与设计[J].中国测绘学会九届四次理事会暨学术年会，2008.

[11]王虎彪，王勇，许大欣，等.基于重力梯度的水下辅助导航仿真[J].中国地球物理学会年会，2008.

[12]李德禹.水下重力梯度导航关键技术研究[J].华中科技大学，2009.

[13]Xiaolei，K..Analysis of periscope avoid fraise based on gravity aided navigation technology. Ship Electronic Engineering，2013.

[14]颜诗源，张胜修，党宏涛.基于粒子滤波的巡航导弹中制导地形匹配算法和仿真[J].战术导弹控制技术，2006，3：52-55.

[15]谌剑，张静远，严平.一种基于粒子滤波的水下地形匹配算法研究[J].海军工程大学学报，2008，20：107-112.

[16]郭磊明.基于粒子滤波的户外移动机器人地形坡度定位[J].哈尔滨工业大学，2013.

[17]姚智颖，刘冬，刘光斌.基于粒子滤波的ins/tan组合导航[J].电光与控制，2006，13（3）：54-55.

[18]高晓海.基于粒子滤波的地形辅助导航算法研究[D].电子科技大学，2011.