水下地形匹配導航現狀及發展趨勢

趙曦, 趙建虎,2

(1.武漢大學 測繪學院, 湖北 武漢 430079; 2.武漢大學 海洋研究院, 湖北 武漢 430079)

占全球面積70.8%的海洋蘊藏著非常豐富的礦產、石油、天然氣、生物等資源,對解決人類生存與發展、研究全球環境和氣候變化等具有重要作用,更是當下世界大國重點關注和爭奪的角力點。黨的十八大報告明確提出了以提高海洋資源開發能力、發展海洋經濟、保護海洋生態環境、堅決維護國家海洋權益為核心的海洋強國戰略。《中國海洋發展報告(2013)》指出:“未來20年,中國大洋工作將立足資源,超越資源,以拓展國家戰略發展空間,增加國家戰略資源儲備,推動深海科技達到世界領先水準,確立中國在大洋事務中的強國地位為戰略目標”[1]。然而,支撐這一戰略實施中的水下潛航器長時、高精度、可靠導航問題目前尚未得到很好解決。

相較于陸地導航,水下導航手段有限,主要有聲學定位、慣性導航、匹配導航等技術。聲學導航方法主要有長基線定位(long baseline,LBL)、短基線定位(short baseline,SBL)和超短基線定位(ultra-short baseline,USBL)[2]。聲學導航定位技術需要陣列和系統支持,成本高,為非自主導航。慣性導航系統(inertial navigation system, INS)為無源、自主導航定位系統,短時內具有較高的導航定位精度,但受慣性傳感器性能和導航定位原理影響,其位置誤差會隨時間積累,難以滿足長時、高精度導航需要,需定期修正[3]。匹配導航通過潛航器攜帶的測量傳感器對海洋的物理場要素(重力、磁力)、幾何場要素(海底地形、海底地貌圖像)測量獲得在航序列,與航行水域已有的物理場、幾何場(背景場)匹配,從背景場中獲得當前潛航器的位置,進而實現潛航器導航定位[3-4]。水下匹配導航為一種自主導航技術,常與INS形成組合導航系統,實現對INS積累誤差的修正和潛航器的長時精確導航。水下匹配導航的精度受匹配要素特征的影響顯著。基于海洋物理場的匹配導航,由于重力變化緩慢,需要潛航器較長時間航行才能獲取長重力時序以實現高精度匹配導航;地球磁場變化顯著,利于高精度匹配導航,但觀測的地磁數據受外界干擾較大,要獲取用于匹配的正常磁場非常困難。采用磁力梯度儀獲取磁力梯度變化可以實現精確匹配導航,但磁力梯度儀設備昂貴,且采用拖曳作業,制約了該技術的應用。海底地形地貌變化相對復雜,特征豐富,較基于物理場要素的水下匹配導航,利用海洋幾何場要素實現水下匹配導航優勢更為明顯,因此也成為當前水下導航研究的一個熱點[5]。為此,本文系統地分析了當前水下地形匹配導航的現狀,并給出其發展趨勢。

1 水下地形匹配導航的現狀

1.1 水下地形測量及地形背景場構建

在航實測地形序列和地形背景場是水下地形匹配導航的2個重要組成部分[4]。前者借助潛航器攜帶的聲吶設備在航測量獲得,后者通過聲吶測深、地形反演等途徑獲得。海底地形背景場是水下地形匹配導航的參考場。為方便存儲和呈現,常借助數字水深模型(digital depth model, DDM)來描述[3]:

D=f(x,y)

(1)

式中深度D是關于格網位置(x,y)的函數。

聲吶測深系統目前主要有單波束測深系統和多波束測深系統[2]。與單波束測深相比,多波束測深具有全覆蓋、寬掃幅、高分辨率和高精度等測量特點,已成為當前水下地形測量的經典設備[4]。聲吶測深獲得的是波束的往返程傳播時間,需要結合測量時刻的聲速,通過聲線跟蹤獲得換能器到海底的垂直距離,再結合換能器的瞬時吃水、涌浪和當地潮位等,計算得到海底的高度值,最終形成測深點云用于DDM構建。聲吶測深的精度一般可以達到1‰ 水深[6]。

海底地形測量精度較高,但全球海底地形實測范圍較小,且成本高昂,難以滿足全球水下匹配導航需求,大面積海底地形主要借助衛星影像、衛星重力和聲吶圖像通過反演獲得[7]。

衛星遙感反演水深利用可見光在水中傳播和反射后的光譜變化,結合實測水深構建反演模型,實現大面積水深反演[7]。目前可用的影像源自IRS、QuickBird、AVIRIS、Sentinel-2,Landsat、TM、SPOT等衛星。水深反演的關鍵是構建不同波段或組合波段與水深的反演模型,包括波段優選、波段組合及反演模型構建3個部分[8]。波段優選借助主成分分析法或相關法分析法分析各波段反演水深的顯著性或相關性來實現;波段組合通過分析不同顯著波段組合對反演水深精度的改善程度進行最優波段組合;水深反演模型目前主要有線性模型、附加冪函數非線性修正的線性模型、基于底部反射模型建立的單/雙/三波段反演模型等。衛星遙感反演水深技術適用于淺水大范圍海底地形獲取,地形反演精度與實測水深精度接近[4]。

側掃聲吶通過深拖可獲得20～100倍于測深分辨率的海底聲吶圖像,借助光照理論和從陰影恢復形狀算法(shape from shading,SFS)可實現高分辨率海底地形反演[9]。SFS基于海底聲波反射理論,通過構建回波強度與入射方向、地形梯度之間的關系模型并求解模型,得到海床地形。同底質下收到的海底回波多為粗糙表面的散射波,理想散射體的散射強度滿足朗伯體法則,即當入射強度I0和入射方向ns一定時,能量經朗伯體表面反射,反射強度僅與入射方向和物體表面法線夾角的余弦有關,(x,y)處的反射強度I(x,y)滿足:

I(x,y)=I0cosθ=I0cos(∠(n,ns))

(2)

根據海床表面法向量的不同形式,式(2)可以表示為:

根據情況添加強度、光滑性、可積性、二階導連續性、單位法向矢量等約束條件,聯立并轉化為泛函極值問題可實現上述模型的求解。SFS反演原理決定了圖像強度與地形梯度相關,據此反演僅能得到相對地形,需借助外部水深建立約束模型才能得到海底絕對地形。該方法極大提高了海底地形獲取的分辨率,其精度與實測水深精度一致,但要獲取較大范圍的海底地形則存在一定難度[10]。

重力異常和海底地形在一定波段內存在高度相關,據此可借助衛星重力開展大范圍海底地形反演[11]。由于海底地形的復雜性導致水深和重力異常之間的線性關系并不嚴密,目前主要采用抗差線性回歸方法建立二者間的關系模型[12]。

根據Parker公式,兩者之間的關系表示為:

式中:G為地球引力常數;Δρ為巖石圈與海水的密度差;d為平均深度;k為徑向頻率。G(k)和H(k)分別為重力異常Δg和海底地形H的傅里葉變換;Z(k)為響應函數。

目前重力反演海底地形多采用修正建模法[13],如利用ETOPO5模型、GMT岸線數據、衛星測高重力異常和船測水深建立海底地形模型。在不同海底模型假設基礎上,許多學者開展了水深反演研究[11],如基于高斯海山模型,通過分析地殼密度、巖石圈有效彈性厚度及截斷波長對反演的影響,采用重力異常反演得到全球海底地形(圖1)。

圖1 ETOPO1全球海底地形模型[14]Fig.1 ETOPO1 global seabed topography model[14]

當前國內外相關組織已發布了一系列全球海底地形模型[13],如美國地球物理中心同美國國家海洋和大氣管理局聯合發布的ETOPO系列模型、斯克利普斯海洋研究所發布的Sandwell系列模型、政府間海洋學委員會及國際海道測量組織聯合發布的GEBCO系列模型等和國內中國人民解放軍戰略支援部隊信息工程大學發布的STO_IEU2020、武漢大學發布的BAT_VGG、BAT_WHU2020等模型。這些模型為海底地形匹配導航提供了全球背景場,極大地擴展了匹配導航的應用范圍,但模型的分辨率為15″、平均精度為4.1%水深,較聲吶測深精度偏低[11],影響了水下地形匹配導航精度。

1.2 地形匹配算法

匹配算法是水下地形匹配導航的核心[4]。按照匹配導航算法實現的連續性,匹配導航算法可分為間歇性匹配算法和連續性匹配算法[3];按照是否需要地形背景場,匹配算法則可分為有背景場的地形匹配和無背景場的地形匹配(如同步定位與地圖構建技術)[14]。

1.2.1 間歇性地形匹配算法

將一段時間測量的地形數據與地形背景場匹配,確定當前位置,即完成了一個單次地形匹配。隔一段時間再開展單次匹配,即間歇性地形匹配[3]。

地形輪廓匹配(terrain contour matching,TERCOM)算法和基于等值線的最近迭代點(iterative closest contour point,ICCP)算法均為經典的間歇性匹配算法[15]。TERCOM是一種基于相關分析的地形輪廓匹配算法。首先根據INS提供的概略位置框定匹配搜索范圍;遍歷搜索范圍內的每個格網,得到多組與INS推算航跡平行的序列;將每一組序列中各格網點對應的水深與實測水深進行匹配,尋找匹配結果最優的一組數據所對應的格網中心位置作為最終匹配結果。ICCP是一種沿著等深線最近點的迭代匹配算法。ICCP通過反復的剛性變換(旋轉和平移)減小匹配對象和目標對象之間的距離,使得匹配對象盡可能接近目標對象,從而達到最佳匹配目的。最佳匹配判斷采用相關分析法,如COR(cross correlation)、MAD(mean absolute difference)和MSD(mean square difference):

式中:τx和τy分別代表2個坐標軸方向的偏移量;Dm代表實測水深;DB為背景場對應位置的水深;L為匹配序列的長度,即積累長度。

TERCOM通過對實測序列平移來實現與背景場地形匹配,未考慮序列旋轉問題,匹配精度較低。為此,王勝平等[15]提出了一種旋轉角自動探測機制,將傳統TERCOM匹配精度提高了3.5倍。魏二虎等[16]提出了帶有旋轉和尺度變換功能的改進TERCOM算法,將匹配精度提高了3～5倍。這2種改進算法的基本思想近似,均克服了TERCOM缺少序列旋轉的不足,提高了匹配精度。

ICCP同時顧及了地形序列的平移和旋轉,較TERCOM具有較高的匹配精度,但受到初始位置誤差影響,易出現發散問題和收斂速度慢問題[17]。趙建虎等[3]、程建華等[18]利用TERCOM匹配速度快特點,將其獲得的地形序列的初始位置用于ICCP匹配,較好地解決了初始位置不準帶來的影響,將匹配效率提高了2～3倍;張濤等[19]將改進的遺傳算法用于ICCP地形匹配,解決了局部收斂問題,實驗中將ICCP地形匹配精度提高了53%以上。這2種改進算法均從快速獲取初始位置,加速收斂速度2個方面提高了ICCP匹配精度和效率。相對而言,聯合TERCOM和ICCP的匹配算法,同時兼顧了TERCOM匹配速度快和ICCP匹配精度高的特點,水下地形匹配的精度和效率更高,更具優勢。

間歇性匹配算法均基于地形格網和最大相關實現匹配[16],因此其匹配精度和效率受地形格網大小、地形相似度等因素影響,比較適合在地形變化相對復雜的水域實施匹配導航。

為了評估間歇性地形匹配結果的可靠性,目前常采用比較法[15]和三點法[3]。前者通過分析不同算法匹配結果的一致性來發現誤匹配;后者利用在3個相鄰位置匹配結果計算得到的兩點間距離、坐標差和方位與INS提供的對應信息比較,判別這3個點中是否存在誤匹配。由于間歇性匹配算法基于極大相關實現匹配,因此在地形平坦或相似情況下,不同方法匹配結果可能相同,比較法無法識別誤匹配。三點法考慮了INS在短時可提供高精度速度、距離和方位信息的特點,以此為參考評判匹配結果,因此相對比較法其識別誤匹配的可靠性更高。

1.2.2 連續地形匹配算法

水下連續地形匹配利用在航實時測量的水下地形斷面序列或在航條帶地形序列,不斷與海底地形背景場進行匹配,實現水下連續匹配導航[3]。

SITAN算法(sandia inertial terrain aided navigation)是一種經典的連續地形匹配導航算法或遞推估計導航算法[3]。SITAN以擴展卡爾曼濾波(extended Kalman filter, EKF)為理論基礎,利用INS提供的位置,由背景場地圖計算該位置附近的地形斜率,將這些信息與測量水深輸入到Kalman濾波器處理,最終得到位置估計值及其誤差[20]。SITAN的狀態估計采用EKF,水下地形輪廓的非線性特征明顯,初始位置誤差和劇烈的地形變化將會對濾波模型的收斂性和精度產生影響[21]。為此,國內外學者開展了聯合多特征互相關的匹配方法[22]和基于概率準則的非線性濾波匹配方法研究[23]。

聯合多特征互相關的匹配方法[21],利用相鄰歷元地形觀測數據的粗糙度、標準差、熵、相關系數等實施匹配,一定程度上解決了初始位置不準和復雜地形產生的EKF發散問題,提高了連續地形匹配的精度。該方法增加了匹配對象,較利用單一水深或地形斜率構建EKF模型實施匹配導航具有先進性。該方法在仿真實驗中取得了較好的效果[22],但需要注意的是,在地形變化較復雜時,這些特征雖然變化顯著,但因為復雜的海底混響常導致測深精度不高[7],據此得到的這些地形特征的精度也偏低,難以保證最終地形匹配導航結果的精度,因此該方法的抗差性能仍有待提升。

基于概率準則的非線性濾波匹配方法,以非線性貝葉斯濾波理論為基礎開展地形匹配[23],目前主要有無跡卡爾曼濾波(unscented Kalman filter,UKF)[23]、粒子濾波(particle filter, PF)[25]、點群濾波(point-mass filter,PMF)[28]等地形匹配方法。

UKF用狀態變量的近似概率分布替代 SITAN算法中EKF地形的線性化過程[23],避免了地形線性化近似問題,因此優于EKF匹配算法。UKF需要狀態變量服從高斯分布,而實際系統噪聲、測深誤差等變量的概率分布不全滿足該分布,因此會造成匹配精度下降甚至濾波發散問題。王平波等[24]提出了一種改進的AIMM-UKF算法,削弱了對概率分布的要求,仿真實驗中將匹配精度提升約24%,但仍未徹底消除高斯分布因素的影響。

PF地形匹配算法利用一組權值粒子群來近似狀態變量的概率分布,對系統模型中各狀態變量的概率分布沒有限制[25]。因此,PF地形匹配算法很好地解決了EKF對初始位置的要求以及UKF對狀態變量的概率分布要求,從機理上克服了EKF和UKF的不足。為了解決PF中粒子退化和重采樣產生的粒子匱乏問題及由此帶來的匹配導航精度降低問題,陳睿瑋等[26]提出了一種帶有自抖動及修正的粒子濾波方法,將匹配精度改善了27.7%。

PMF地形匹配算法也是一種基于遞推計算的貝葉斯濾波算法,用狀態變量在每個網格的概率作為網格點的權值通過逼近獲得后驗概率密度進而實現地形匹配的方法[28]。因此,就匹配機理而言,PMF解決了EKF要求線性化、UKF要求高斯分布所帶來的各種問題;同時,相較PF,PMF需要尋找空間分布不規則的實測地形數據點與網格化先驗地形圖數據點間空間對應關系[29],通過大量運算提升匹配導航結果的魯棒性,但也同時造成大量計算消耗,嚴重影響了地形匹配導航算法實時性能。

1.2.3 水下同步定位與建圖技術

同步定位與地圖構建(simultaneous localization and mapping, SLAM)技術通過實時測量周圍地形特征,匹配定位自身位置,再根據自身位置構建地形圖[30]。SLAM可在無背景場地圖時作為輔助導航手段來校正INS。根據算法不同,可分為基于貝葉斯濾波的SLAM[31]和圖優化SLAM[32]。

基于貝葉斯濾波的SLAM根據潛航器運動模型和傳感器量測模型對問題進行建模,在隱形馬爾可夫假設下實現系統的狀態更新和觀測更新[33]。該領域目前主要聚焦于基于EKF的EKF-SLAM算法和基于粒子濾波器的RBPF-SLAM算法研究。EKF-SLAM適用于弱非線性系統,在運行中需要不斷添加新路標,不適合大區域使用;RBPF-SLAM算法適用于強非線性及非高斯系統,但計算量很大。此外,基于貝葉斯濾波的SLAM假定下一時刻的狀態只與前一時刻有關,不考慮之前的歷史記錄,長時航行會因為傳感器噪聲不確定性引起的誤差不斷累積,導致前后海底地形圖的不一致[34]。

圖優化SLAM采用全局優化方式來解決SLAM問題[35]。該法將所有狀態看成變量,將運動方程和觀測方程看成變量間的約束,并在此基礎上構造誤差函數并最小化該誤差函數的二次型[14]。相較基于貝葉斯濾波SLAM,圖優化SLAM采用全局優化方案,因此具有較好的優越性,該技術被越來越多地應用于大規模、非結構化環境中。

1.2.4 間歇性匹配和連續性匹配方式的選擇

間歇性地形匹配因具有匹配次數少、計算量和存儲量少、節約電能等優點被廣泛應用[4]。根據對前述的匹配算法分析,為確保匹配精度和可靠性,間歇性匹配盡量在地形特征豐富的區域實施,并間歇性的修正INS積累誤差,比較適合小潛器、短航程的水下輔助導航定位。SLAM定位技術需要在特征地形上匹配以獲取自身位置,間歇性地形匹配可以確保這一匹配的精度和可靠性。

連續匹配需要連續存儲在航地形觀測信息,并計算格網地形特征信息(深度、粗糙度、標準差、熵、相關系數等),進而計算權值和逼近計算近似概率分布,因此對載體的存儲、計算和電力供給能力要求較高[5]。相對于間歇性地形匹配算法,連續性地形匹配算法因采用連續匹配和具有一定的預測能力,在水下地形匹配中對地形變化的要求略低,比較適合大潛器、長航程、高精度水下輔助導航。

1.3 適配性分析及航路設計

海底地形特征的顯著性直接影響著水下地形匹配導航的精度和可靠性。地形特征越豐富,匹配導航精度越高[4]。為此,學者們研究了海底地形特征對水下地形匹配導航精度的影響,主要包括地形特征影響分析和航路規劃2個方面[3]。

地形特征影響分析主要是尋找與地形匹配相關的顯著特征,進而實現對背景場的適配或非適配評估和劃分[36]。顯著性特征提取主要采用顯著性分析方法[37],提取出的特征主要有地形粗糙度、標準差、相關系數、熵、坡度等。這些特征的顯著性分析目前主要借助模糊決策理論來評估[37,39]。利用這些顯著性地形特征,結合地形匹配結果,可以建立地形特征與地形匹配精度之間的關系模型,進而實現對整個地形背景場的適配性劃分[38]。關系模型建立的方法目前主要有支持向量機法[10]、共生矩陣法[15]、BP神經網絡法[15]和深度學習法[4]等。模型的精度與提供的地形特征類型、代表性和用于構建模型的樣本量等緊相關。根據這些算法的特點,當樣本量有限時,支持向量機法和共生矩陣法有較好的建模精度,而BP神經網絡和深度學習法則可能在建模中存在過擬合問題;但當樣本量較豐富時,BP神經網絡法和深度學習法建立的關系模型精度高于支持向量機法和共生矩陣法。

為了確保潛航器在特征變化明顯的富特征水域航行,需要根據建立地形特征—匹配精度關系模型對背景場的適配性進行劃分,并進行航路規劃[39]。

根據適配性關系模型建模算法的特點,支持向量機法和共生矩陣法建立的關系模型適合對線分布的地形斷面特征的適配性進行劃分,而BP神經網絡法和深度學習法建立的模型則適合對地形塊的適配性進行判讀。因此,對利用多波束測量開展條帶地形匹配的情況,根據BP神經網絡法或深度學習法建立模型劃分得到的適配區,結合適配區的連續性和最短路徑原則,最終實現潛航器在背景場中航路的規劃。對于采用單波束測量獲得在航深度序列開展地形匹配的情況,除采用BP神經網絡法或深度學習法建立模型劃分得到的適配區外,還需要考慮線-面匹配時的適配方向選擇問題[40],需要在建立的適配區內,再借助支持向量機法或共生矩陣法建立的模型確定更佳的適配方向,并結合最短路徑原則,最終在地形背景場中實現潛航器最優航路的規劃。

以上2個方面的研究為潛航器在特征較豐富的背景場中以較短的路徑實施地形匹配提供了技術支撐,提高了水下地形匹配導航的精度和效率。

1.4 水下地形匹配導航系統

水下地形匹配導航系統是實施地形匹配導航的主體,集成了單(多)波束測深系統、INS、DVL、壓力傳感器等設備,存儲了海底地形背景場圖或數字水深模型,裝備有在航測深數據處理軟件和地形匹配軟件,具備通過地形匹配獲取當前載體位置以及修正INS的能力。

國外在水下地形匹配導航系統的研發方面開展了長期而卓有成就的研究。挪威國防研究部與 Kongsberg公司進行了長達30余年的合作,設計和研發了TERCOM+PF松組合水下地形輔助導航系統TerrP[40],通過了4次海試,取得了平均5 m的地形匹配精度。瑞典皇家理工大學的Nygren等[41]為瑞典國防裝備管理局研發了基于相關匹配算法的AUV62F和Sapphires水下地形匹配導航系統,在試驗場取得了1 m的匹配精度。斯坦福大學 Stephen[42]針對裝配低性能導航傳感器的AUV設計了PF緊耦合地形輔助導航系統,取得了5～10 m的水下匹配導航精度。美國海軍作戰中心設計了三維PF地形輔助導航系統,并應用于中型AUV導航[40,43]。Salavasidis等[44]研發了PF地形匹配導航系統,在南大洋奧尼克航道開展了遠程航行,取得了約2個地圖分辨率導航精度。東京大學Nakatani等[41]研發了基于PF的實時水下地形匹配導航系統,并安裝在AUV上,以實測海底地形為背景場,取得了優于5 m的水下地形匹配導航精度。

我國的一些科研院所,如中國科學院沈陽自動化研究所、哈爾濱工程大學等先后開展了一些水下地形匹配導航系統的研究工作[4],這些研究主要聚焦于匹配導航仿真系統的搭建、匹配導航系統與INS的組合及在AUV平臺上的集成和實驗等方面。

2 現狀分析及存在問題

2.1 海底地形獲取

海底地形獲取研究目前主要聚焦于聲吶測深和反演地形2個方面,主要存在如下問題:

1)實測海底地形具有較高的精度,但測量范圍較小,基本圍繞大陸架以內的淺水水域和主要航道開展測量,大陸架以外的大面積海底地形測量數據仍為空白。此外,多波束測深數據實時處理還不完善,與水下地形匹配對測深數據處理效率和精度等方面的要求有較大的差距。

2)反演海底地形解決了大面積海底地形無數據問題,但整體精度較差,目前還難以滿足地形匹配導航需求。基于實測地形對反演地形修正的方法研究需深入。

2.2 地形匹配算法

在間歇性匹配導航算法研究方面,聯合TRECOM和ICCP的組合匹配算法相較其他算法優勢明顯;三點法相較比較法更能有效的識別誤匹配;主要聚焦于復雜特征地形下的間歇性匹配研究,對貧特征或近似特征下的匹配研究較少。

連續海底地形匹配算法中的PF和PMF匹配算法較EKF、UKF地形匹配算法具有較大的優勢。相對而言,PMF較PF算法在地形匹配中魯棒性更好,但存在計算量較大的問題,對實時地形匹配導航帶來了影響。

SLAM水下定位技術無需參考背景場地形圖,同步開展定位和地形圖繪制,較有背景場的地形匹配方法有一定的優勢,非常適合未知或陌生水域的水下導航定位。在該研究中,全局圖優化SLAM技術較基于貝葉斯濾波的SLAM技術在精度、適用范圍等方面優勢明顯,但同時也面臨著計算量、存儲量大以及隨著時間增加而定位精度越來越低等問題。

2.3 適配性分析及航路設計

借助顯著性分析法獲得的與地形匹配強相關的地形特征,基本表征了地形變化的復雜性。借助支持向量機法、共生矩陣法、BP神經網絡法、深度學習法等建立起了地形特征與地形匹配精度間的關系模型,比較準確地描述出了地形特征對匹配精度的影響,也較好地實現了對地形背景場中適配格網的劃分以及路徑的規劃,確保了沿設計路徑上航行時地形匹配導航的精度和可靠性。

值得注意的是,水下地形匹配的精度除與地形變化的顯著性相關外,還與用于水下地形匹配的算法密切相關。如TERCOM算法和ICCP算法,在地形變化復雜但相似情況下,依然會存在誤匹配問題,而目前針對匹配算法的背景場地形適配性劃分和路徑規劃研究還比較少。

2.4 水下地形匹配導航系統

國外研究機構對水下地形匹配導航系統開展了長期研發,初步形成了實用系統并投入應用。國內研究目前處于系統的仿真平臺搭建、系統的集成及測試驗證階段,在如下幾個方面還需要進一步加強研究:1)執行水下地形匹配導航定位任務的潛航器性能;2)大范圍、高精度、高分辨率全球海底地形背景場的建立;3)單波束、多波束測深數據在航、實時處理的精度和效率;4)穩健的水下地形匹配導航算法。

3 發展趨勢

3.1 全球海底地形數字模型

海底地形背景場的精度、分辨率和覆蓋范圍直接影響著匹配導航的精度和應用。借助水色遙感反演水深、衛星測高反演水深可以獲得大范圍的海底地形,但反演地形相對實測地形精度要低很多[3]。反演地形與實測地形存在較大的相關性[11],因此有必要以實測地形為約束,開展更深入的修正方法研究,以提高反演地形的精度。

“海底2030”工程是一項國際倡議工程,是聯合國海洋十年計劃的一部分,主要依靠各國政府、公司和研究機構自愿開展全球海洋水下地形測量和提供測深數據[45]。到2022年7月,“海底2030”工程增加了約1×107km2的海底地形測量數據,基于實測水深的全球海底地形圖繪制工作已完成了23.4%,占到整個海底面積的近1/4。隨著實測海底地形面積、數量和分布范圍的增大、可用的測高衛星數量及觀測時序的增加,對衛星測高反演得到的全球海底地形模型進行更為精確的修正,進而開展高分辨率、高精度全球海底地形模型構建,必將成為未來需要開展的重要工作,也將顯著地提高水下地形匹配導航的精度并將應用范圍從局域擴展到全球[11]。

3.2 測深數據實時處理及在航條帶地形獲取

多波束測深系統的在航數據實時處理精度和實時性直接影響著水下地形匹配的精度和效率[3]。

嚴密的多波束測深數據處理需要聯合了潮位、聲速、導航、姿態等信息才能最終實現測深數據的計算及海底地形的獲取,而在實際測量中部分信息,如潮位和聲速等信息常無法實時獲取。潮位為測深提供起算基準,而聲速直接影響著測深精度。地形匹配是利用實測地形序列與具有絕對平面和垂直起算基準的背景場地形匹配來獲取當前載體位置,因此聯合全球或局域潮汐模型、潛航器壓力計等信息的潛航器瞬時垂直基準確定,聯合全球溫度場模型、鹽度場模型、ARGO數據以及潛航器攜帶的聲速計數據的在航聲速獲取成為高精度多波束測深數據處理需要研究的重要內容。

目前,高精度的多波束測深數據主要通過事后處理獲得,測深數據中的異常回波消除、聲速誤差削弱、條紋地形消除等主要采用人工方法實現。現有的多波束測深數據處理軟件盡管提供了數據自動處理模塊,但這種處理是將測量數據片段存儲,采用類似后處理中的批處理方法實現數據的快速處理,是一種準實時處理方法,因此會對地形匹配的實時性產生影響。開展多波束測深數據在航實時處理需要解決的核心問題是如何將傳統測深數據后處理中的人工處理用自動處理方法替換,因此需要研發自主可控的多波束實時數據處理軟件,需根據實測Ping內、Ping間地形的相關性以及海底地形變化的漸變性等,尋求科學的數據處理方法和策略,在航消除粗差等異常干擾的影響;此外,還應考慮因為設備的安裝偏差、傳感器的震動、聲速場的不準確等給測深計算帶來的系統性偏差的消除問題,提高測深數據的實時處理精度。

3.3 匹配要素及匹配導航算法

地形的復雜程度決定著海底地形特征的顯著性,進而影響水下地形匹配導航的精度。目前的地形匹配主要根據地形高程數據進行匹配,受平坦或變化緩慢地形、背景場與實測地形在精度和分辨率上的差異、潛航器在航測量過程中潮位或傳感器提供的起算基準差異等因素影響,誤匹配甚至無法匹配問題常常出現。因此,在后續研究中,除利用地形高程信息外,還需要提取局部地形變化參數,如海底地形在格網間變化的梯度、粗糙度、地形變化的相關性等,凸顯地形變化,解決貧特征地形和相似地形下的高精度、可靠匹配難題。

間歇性海底地形匹配算法均基于相似性原則開展地形匹配,對匹配定位的精度和效率提升有限,尤其在地形變化平緩水域。因此,有必要開展新的匹配原則、匹配算法、地形復雜度與匹配序列長度及匹配精度的關系等研究,以改善間歇性匹配導航的精度和效率。連續海底地形匹配算法中的PF和PMF較EKF和UKF方法具有較大的優勢,但均存在計算量較大的問題,尤其對于未來潛航器廣泛采用多波束測深系統的情況,因此未來在如何提高PF和PMF計算方面需要開展深入研究,以確保連續海底地形匹配的精度和效率。間歇性匹配算法對初始誤差不敏感。連續性匹配算法采取遞推方式處理測量值,可以實現實時狀態更新。因此,可將間歇性匹配算法用于地形匹配的初始階段,而連續性匹配算法用于長時地形跟蹤和匹配導航,兩類算法聯合使用。

SLAM技術是解決陌生水域水下導航定位問題和獲取海底地形地貌的一種有效途徑。圍繞全局圖優化SLAM技術,未來有必要開展高效計算、匹配算法優化、特征優選、路徑規劃等方面的研究,以提高SLAM的定位精度和效率。

3.4 水下地形匹配導航系統

水下地形匹配導航系統是由多傳感器及匹配導航軟件組成的綜合系統,匹配導航精度、效率、長航程和低功耗是長期追求的目標。

為提高地形匹配精度,系統除了裝備高精度、高分辨海底地形背景場和高性能匹配算法外,盡可能的裝備高性能的多波束測深系統,以在航獲取更寬掃幅、更高密度的在航測深數據序列,進而達到提高匹配導航精度的目的。

為提高地形匹配的效率,系統應裝備高性能的多波束測深數據實時處理軟件,應具備處理多波束實時測量數據和實施相鄰歷元地形數據的濾波能力;同時,裝備的地形匹配軟件應具備開展快速地形匹配和實施輔助導航定位的能力。

無論是多波束測深數據處理,還是水下地形匹配導航處理,對整個系統的存儲、算力和電力供給等能力均有較高的要求,而這些也在一定程度上制約了長航程、大范圍水下地形匹配導航系統的應用,因此潛航器性能的提升是未來一個重要發展方向。

4 結論

水下地形匹配導航技術目前已取得了長足的發展,但在滿足高精度、高效率、穩健、長航時水下導航定位方面仍有較大的發展潛力。

1)海底地形背景場建設已從局域跨越到全球,但在精度和分辨率方面的研究仍需加強。

2)借助單波束測深系統獲取海底地形序列的在航測量方式正在被多波束測深系統替代,而海量多波束測量數據的實時、高質量處理技術研究則需要跟進。

3)匹配算法已從線性匹配發展到非線性匹配,提高了匹配導航的精度,但應對海量多波束測深數據的穩健匹配導航算法研究仍需進一步發展。

4)適配性研究已較好地支撐了航路優化,改善了導航精度,未來可進一步優選匹配參數,并顧及匹配算法特點,科學劃分適配區和規劃航路,進一步提高匹配導航的精度和效率。

5)匹配導航系統研發已經歷了從仿真、模擬、原型系統到實用系統的發展,并開展了初步應用,未來應向長航時、高精度、高效率、實用性等方面發展,為水下導航定位提供高性能服務。