寧學(xué)侃

【摘要】 水下傳感器系統(tǒng)的一個(gè)主要需求是跟蹤水下目標(biāo)的位置，通常的跟蹤方式是利用水面浮標(biāo)依靠慣性導(dǎo)航和聲學(xué)測(cè)距設(shè)備在時(shí)間上估計(jì)節(jié)點(diǎn)位置。不過(guò)這種方僅適用于少量水下設(shè)備，卻并不適用水下網(wǎng)絡(luò)。水下網(wǎng)絡(luò)的設(shè)備可以依靠協(xié)作定位技術(shù)來(lái)跟蹤，但僅是像網(wǎng)絡(luò)的時(shí)間快照那樣估計(jì)節(jié)點(diǎn)位置，且其在網(wǎng)絡(luò)稀疏分布情形下就失去效果。本文設(shè)計(jì)提出一種創(chuàng)新方法——“協(xié)作跟蹤”，其結(jié)合了現(xiàn)有方法的優(yōu)點(diǎn)并克服了它們的缺點(diǎn)。通過(guò)仿真完成了4D跟蹤估計(jì)，驗(yàn)證了該方法的有效性，利用時(shí)間和空間維度可將其有效地運(yùn)用到水面浮標(biāo)和網(wǎng)絡(luò)連接均稀疏的區(qū)域。

【關(guān)鍵詞】 水下網(wǎng)絡(luò) 跟蹤 移動(dòng)性 聲學(xué)網(wǎng)絡(luò)

一、概述

將大量的水下傳感設(shè)備組網(wǎng)應(yīng)用已經(jīng)引起了人們廣泛的興趣[1，2]。在這種網(wǎng)絡(luò)系統(tǒng)中，明確水下傳感器的位置是必要的。沒(méi)有位置信息，不但傳感器數(shù)據(jù)的空間關(guān)系將丟失，而且也不可能的有效地導(dǎo)航。在廣泛多樣的水下傳感網(wǎng)絡(luò)中，本文主要研究含有移動(dòng)設(shè)備的水下網(wǎng)絡(luò)系統(tǒng)。移動(dòng)設(shè)備主要包括自驅(qū)動(dòng)的設(shè)備（如遠(yuǎn)程控制的水下載體或ROV）、源于垂直運(yùn)動(dòng)移動(dòng)性的設(shè)備（水下滑翔機(jī)）或隨著水下涌流被動(dòng)飄浮的設(shè)備（水下浮標(biāo)）。在這些移動(dòng)水下網(wǎng)絡(luò)情形下，定位并不是一次性的事情、其須隨著時(shí)間不斷進(jìn)行測(cè)量。

二、協(xié)作跟蹤

獨(dú)立跟蹤是時(shí)間維的算法，其將需處理的一組設(shè)備看作是一定數(shù)量獨(dú)立實(shí)體、本質(zhì)上是分別跟蹤每一個(gè)設(shè)備[3]，這種算法需要外部周期的位置更新來(lái)彌補(bǔ)船位推算的積累誤差。該方法對(duì)單個(gè)設(shè)備很有效，但當(dāng)研究設(shè)備總體時(shí)有很多缺陷，首先它不能隨設(shè)備數(shù)量的增加而有很好的適應(yīng)性；其次在移動(dòng)網(wǎng)絡(luò)中，元件會(huì)偶然脫離水面轉(zhuǎn)發(fā)器的距離范圍；而且當(dāng)外部更新變得稀疏而且船位推算誤差增加，這種算法就會(huì)失效。這種問(wèn)題的原因就是僅僅在時(shí)間維考慮信息，把每一個(gè)器件單獨(dú)的看做是一個(gè)獨(dú)立的線(xiàn)，它完全忽略了空間維。

本文采用的是時(shí)空維的協(xié)作跟蹤算法，時(shí)間（用導(dǎo)航設(shè)備的船位推算法）和空間（設(shè)備間的距離測(cè)量）維度將會(huì)同時(shí)應(yīng)用。在移動(dòng)網(wǎng)絡(luò)系統(tǒng)中，水下目標(biāo)跟蹤問(wèn)題將會(huì)被看做是4維的。節(jié)點(diǎn)軌跡形成了一組相關(guān)的線(xiàn)。雖然最自然的方法就是融合協(xié)作定位于傳統(tǒng)跟蹤。由協(xié)作定位獲得的位置估計(jì)可以作為外部的信息對(duì)跟蹤更新；且從導(dǎo)航設(shè)備獲得的數(shù)據(jù)可以用來(lái)插值于周期協(xié)作位置估計(jì)。我們的方法是依靠從聲學(xué)調(diào)制解調(diào)器和導(dǎo)航器件所獲得的距離估計(jì)。

三、算法

協(xié)作跟蹤可以看做是一個(gè)復(fù)雜的多維時(shí)空估計(jì)問(wèn)題，其目的是通過(guò)全部的概率分布函數(shù)來(lái)找到最大似然估計(jì)，同時(shí)在時(shí)空維獲取所有器件的位置信息。本文采用因子圖算法能夠綜合所有時(shí)空信息并提供有效的合作跟蹤。因子圖提供了一種依照簡(jiǎn)單的由變量子集所組成的局部函數(shù)的方式來(lái)表示全局函數(shù)（多維概率分布）的方法。和積算法能對(duì)在這種圖上運(yùn)作，并通過(guò)迭代信息傳遞、利用簡(jiǎn)單的關(guān)系來(lái)估計(jì)全局函數(shù)。

3.1因子圖描述

首先用如圖1所示的因子圖描述協(xié)作跟蹤問(wèn)題。它給出了一個(gè)在時(shí)空中設(shè)備未知位置相關(guān)性的圖形描述。首先，我們可以觀(guān)察到有3個(gè)垂直分布的主鏈堆。每一個(gè)主鏈捕獲未知節(jié)點(diǎn)的軌跡，而水平維度表示時(shí)間。圓圈表示需要被估計(jì)的狀態(tài)變量，其是固定時(shí)間間隔的節(jié)點(diǎn)位置（Pi，j是節(jié)點(diǎn)i在時(shí)間j的位置）和速度（Vi，j）。不同類(lèi)型的方塊將這些狀態(tài)變量聯(lián)系起來(lái)。這些方塊是函數(shù)節(jié)點(diǎn)，不但表示狀態(tài)變量是有聯(lián)系的，而且表示出它們是如何聯(lián)系的。

3.2和積算法

X是f的參數(shù)集合；n（ω）＼{x}表示因子圖上給定節(jié)點(diǎn)ω相鄰節(jié)點(diǎn)的集合，包括節(jié)點(diǎn)x。

這兩種類(lèi)型的消息建立了因子圖內(nèi)部運(yùn)作關(guān)系。其運(yùn)作如下：狀態(tài)變量向所有相鄰函數(shù)節(jié)點(diǎn)發(fā)送它們最近分布的估計(jì)，而函數(shù)節(jié)點(diǎn)發(fā)送其相鄰狀態(tài)變量分布的估計(jì)。向外的數(shù)據(jù)由上一次根據(jù)公式（1）和（2）迭代的輸入數(shù)據(jù)梳理而產(chǎn)生。狀態(tài)變量通過(guò)由其相鄰函數(shù)節(jié)點(diǎn)根據(jù)公式（2）所提供的相互交叉并獨(dú)立的分布估計(jì)來(lái)估計(jì)它的分布（或向外的消息）。函數(shù)節(jié)點(diǎn)通過(guò)執(zhí)行由公式（1）所提供的局部似然函數(shù)的邊緣化來(lái)產(chǎn)生向其相鄰狀態(tài)變量的消息。

四、仿真與結(jié)論

下面將通過(guò)方針來(lái)評(píng)估我們算法的性能。系統(tǒng)空間設(shè)置：500m×500m，最大深度為20m。設(shè)定系統(tǒng)測(cè)距最大誤差2m，導(dǎo)航精度為2度，加速度估計(jì)精度為0.04cm/s2，節(jié)點(diǎn)假定為粗時(shí)間同步的（±0.1s），并且每20s重復(fù)距離估計(jì)。水下載體以一個(gè)隨機(jī)生成的平滑路徑在0～2m/s間不斷變化的速度移動(dòng)。

首先，比較協(xié)作跟蹤和重復(fù)協(xié)作定位之間的性能差異。先考慮一個(gè)有較少浮標(biāo)的情形，本例中是2個(gè)，網(wǎng)絡(luò)自身包括6個(gè)獨(dú)立移動(dòng)的水下載體，聲學(xué)調(diào)制解調(diào)器的傳播距離被選擇為200m?？梢钥吹絽f(xié)作跟蹤可以提供好的位置估計(jì)。通過(guò)在不同設(shè)定和不同參數(shù)下仿真評(píng)估我們的算法，都得到了類(lèi)似的結(jié)果，說(shuō)明了協(xié)作跟蹤算法可以在不同的網(wǎng)絡(luò)環(huán)境下有效的跟蹤定位水下目標(biāo)。

參 考 文 獻(xiàn)

[1] J. Jaffe， C. Schurgers， “Sensor networks of freely drifting autonomous underwater explorers，” WUWNET06， 2006.[2] Z. Zhou， J.-H. Cui， A. Bagtzoglou， “Scalable Localization with Mobility Prediction for Underwater Sensor Networks”， WUWNET07， 2007.

[3] M. Erol， L. Vieira， M. Gerla， “Localization with DiveNRise （DNR） beacons for underwater acoustic sensor networks，” WUWNET07， 2007.