2. 海洋信息获取与安全工业与信息化部重点实验室(哈尔滨工程大学), 黑龙江 哈尔滨 150001;
3. 哈尔滨工程大学 水声工程学院, 黑龙江 哈尔滨 150001
2. Key Laboratory of Marine Information Acquisition and Security (Harbin Engineering University), Harbin 150001, China;
3. College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, China
随着国防科技的迅猛发展,无人化与智能化已经成为了现代战争的重要发展趋势。在海洋这片重要战场上,无人水下潜航器(unmanned underwater vehicle,UUV)、无人水面艇(unmanned surface vessel,USV)等小尺度自主作战平台已经开始展露锋芒。这些无人平台可由潜艇或水面舰艇发射,用于执行侦察、监视、情报、打击等多种作战任务。作为一种新型作战平台,已成为各国海军竞相研制、列装的水下武备平台。
未来水下战争的需求为无人平台带来了新的发展机遇。在美国《2025年自主潜航器需求》报告中,已将反潜战作为无人平台通过隐蔽和最前沿保障介入方式执行的多种任务之一[1]。在危险海域,可以使己方潜艇保持在安全海域,由携带水声探测声呐的无人平台游弋于前方,自主、长时间地执行探测任务,一旦发现敌方潜艇,则自动实施跟踪,或者及时与指挥中心通信,根据指挥中心的命令实施相应的操作。它可作为一个艇外传感器或探测器,在既保证自身隐秘性,又不增加母艇危险的前提下扩大探潜范围。美国国防部于2008—2018年陆续发布的4版《无人系统综合路线图》中指出,在未来战场中不同空间域中无人系统的协同作战将是必然的发展趋势,最终实现由水下无人平台、空中(包括太空)无人平台和陆地无人平台的协同作业,组成模块化、分布式和网络化的多无人平台协同感知、探测与侦察系统[2-5]。
水下无人平台的作战能力主要取决于以下4个特征:1)传感器/有效载荷;2)续航能力;3)自主性;4)指挥、控制和通信。其中,水下无人平台的有效载荷包括目标探测、水声通信、水声侦察、水声信息支援对抗等。目标探测载荷的任务是,利用目标辐射噪声信号或者主动声呐信号的反射回波,搜寻敌方潜艇,并提供目标方位指示。该任务载荷的探潜能力对拓展潜艇反潜任务海域、发挥潜艇作战使用效能具有至关重要的作用。
声呐探测过程的自主性需求是设计无人平台探测声呐时面临的最主要挑战[6-7]。在有人系统搭载的声呐系统中,人在整个探测环路中扮演了重要的角色。有人探测声呐系统的信号处理机将声呐基阵采集的数据进行加工,并将得到的信息反映在视觉和听觉显示器上。声呐员结合显示的信息对目标进行检验判决,同时根据检测结果实时调整声呐工作状态和参数,以更好地对目标进行搜索和跟踪。与有人探测声呐截然不同,无人探测声呐需要在无人干预的环境下自主工作,这一特性限定了其所配备的信息获取、检测判决、状态和参数控制等分系统都必须具备完全的自主决策能力。此外,受限于无人平台的尺寸,可搭载的声呐基阵的孔径有限,这会影响系统能够获得的空间增益与分辨率。同时,声呐系统还会面临平台自噪声干扰、平台能源限制、平台机动等诸多不利因素的影响。无人平台自主探测声呐面临的全新挑战使传统的声呐信号处理技术不再适用,因此,需要发展适用于无人声呐的信号处理核心技术,以满足其自主化、远距离、高性能的探测需求。
本文首先概述了国内外无人平台自主探测声呐的发展现状,并以“基于矢量水听器阵的无人平台远程主被动自主探测系统”为例,介绍了无人平台自主探测声呐的应用及进展。最后,对无人平台自主探测声呐的未来发展趋势进行了展望。
1 无人平台自主探测声呐的发展现状为应对未来安静型潜艇所带来的威胁,世界各国都在努力研制基于无人平台的自主探测系统。美国国防高级研究计划局(Defense Advanced Research Projects Agency, DARPA)于2010年启动了“反潜战持续跟踪无人水面艇”(anti-submarine warfare continuous trail unmanned vessel, ACTUV)研究计划[8]。DARPA希望借此计划开发出成本较低的USV,以实现对敌方潜艇的长时间、大范围的自主跟踪,如图 1所示。2016年,ACTUV计划的首艘技术验证艇“海上猎手”号下水,如图 2所示。作为世界上最大的无人水面舰船,其最大长度39.6 m,最高航速27 kn,作战半径达到3 000 km,可以连续执行反潜任务至少70 d[9]。“海上猎手”号执行反潜任务的核心声呐设备是由美国雷声公司提供的模块化可扩展声呐系统(modular scalable sonar system,MS3),MS3声呐系统是雷声公司生产的SQS-56中频舰载声呐的第5代产品,其主动探测距离达到18 km,同时具有主被动探测与跟踪、鱼雷预警以及自动避障等功能[10-11]。借助于MS3声呐系统,“海上猎手”号即可以对水下的当前情况和突发威胁进行自主判断。为了让MS3声呐系统适应无人平台,雷声公司对声呐进行了重新设计和改进,大幅减少了元器件的数量,同时采用光纤水听器作为声呐的接收阵元,在提升灵敏度的同时,还降低了重量和功耗[11]。
Download:
|
|
Download:
|
|
“海鸥”号是以色列埃尔比特系统公司研发的一种自主式多用途无人水面艇,可执行反潜战、反水雷战、电子战等多种任务。为了让“海鸥”号在反潜战中更好地发挥作用,该公司已与多个机构合作,尝试将探测声呐安装于“海鸥”号上。最初,以色列海军曾对著名的直升机远程主动声呐(helicopter long range active sonar, HELRAS)进行了改进,并安装在“海鸥”号上使用[12]。2020年4月,美国GTI公司和Curtiss-Wright公司合作研发的收放式主被动拖曳声呐(towed reelable active passive sonar,TRAPS)被集成在“海鸥”号上[13],如图 3所示。该声呐结合了垂直主动发射阵与被动拖曳阵,具有小巧、轻便、成本低的特点,无需复杂的系统完成拖曳阵的收放,十分适合于应用在UUV、USV等小型平台上。GTI公司声称,该声呐系统可工作于低、中、高频,且具有左右舷分辨、实时多目标探测、定位、跟踪和识别等能力[14]。2020年6月,在英国国防部的组织下,“海鸥”号在英国近海进行了试验。在这次试验中,“海鸥”号上搭载了美国L3哈里斯公司研发的声呐,证明了“海鸥”号的自主反潜能力[15]。
Download:
|
|
除USV外,各国也十分重视利用UUV来执行未来的反潜任务。DARPA于2016年提出了移动舷外秘密通信与途径(mobile offboard clandestine communications and approach,MOCCA)计划,旨在提升潜艇的探测距离,并降低自身被锁定的风险[16]。MOCCA计划寻求主动声呐探测解决方案,以弥补潜艇搭载的被动声呐的缺陷。MOCCA计划的核心是一种工作在潜艇舷外的UUV,该UUV小于21英寸,具备在水中复杂环境下工作的能力,搭载高性能主动探测声呐,同时还能将探测信息实时、秘密地传送给己方潜艇[17]。BAE系统公司获得了MOCCA第1阶段的研究合同,致力于解决UUV搭载的主动声呐的效率问题,以提升探测能力[18]。2019年,美国海军正式向波音公司订购了4艘“奥卡”超大型UUV,如图 4所示。“奥卡”由波音公司的“回声旅行者”型UUV改造而来,可用于执行反潜作战、反水面舰作战、反水雷作战等任务[7, 19]。美国海军希望在“奥卡”舷侧设计72或96元水听器声呐阵列[7],以探测敌方潜艇的位置。在将情报发送给水面舰与反潜直升机的同时,“奥卡”还能对敌方潜艇进行长时间的自主跟踪,并利用其携带的重型鱼雷实现自主攻击。
Download:
|
|
北大西洋公约组织的水下研究中心(NATO Undersea Research Centre,NURC)也很早就投入到了无人自主探测声呐的研究之中,并在2009年完成了一次基于UUV的双基地声呐自主探测试验[20]。在该试验中,NURC在海底布置了声源作为发射站,并将自研的细拖曳阵声呐系统(slim towed array,SLITA)搭载在“海洋探险者”UUV上,作为接收站,如图 5所示。“海洋探险者”长度为4.5 m,直径0.53 m,当搭载拖曳阵声呐时,其最高航行速度为3 kn,续航时间7 h。SLITA拥有83个换能器,最多可同时配置其中的32个。该声呐目前提供了4种工作阵元配置,所对应的工作频带覆盖了714 Hz~3 471 Hz的范围,使声呐可以工作在较低频的被动模式与较高频的主动模式。该套声呐系统可基于实时探测结果对UUV的运动进行自动规划,使SLITA的法线方向自适应指向目标方位,以扩大阵列的有效孔径,提高方位分辨率。
Download:
|
|
新加坡国立大学声学研究室研发了数字式细线拖曳阵声呐系统(digital thin line array,DTLA)[21],如图 6所示。DTLA拥有12个声学通道,直径仅为15 mm。DTLA的轻便特性使其十分适合搭载于小型UUV平台上。该研究室利用自研的“STARFISH”小型UUV搭载DTLA,如图 7所示,在外场环境下实现了目标的自主探测,并同时实现了离线的目标跟踪[22]。
Download:
|
|
Download:
|
|
随着减震降噪技术的发展,水中目标的声隐身性显著提高。而为了提高与之相对抗的自主探测能力,需要进一步增加声呐的阵元个数和阵列孔径,但受限于无人平台的尺寸以及布放、回收等实际操作需要,这一要求往往难以满足。矢量水听器的出现为该问题的解决指出了新的方向[23-24]。相比于传统声压水听器,矢量水听器兼有声压的和相互正交的质点振速分量输出通道,能够提供更为全面的声场观测结果,与此同时,其体积小、重量轻,对发展小平台声呐系统具有重要意义。研究表明,不同于声压传感器的全指向性,振速传感器阵元本身就具有偶极子指向性,利用这一特性,从干扰抑制的角度来看,单个矢量传感器就具有对空间中的点源强目标干扰信号的抑制能力,而从方位估计的角度来看,单个矢量传感器就可以从振速场中提取出目标的方位信息,从而实现360°的无模糊定向;另一方面,利用远场点源信号和环境噪声在声压振速相关性上的不同,单个矢量水听器在各向同性噪声场中能获得一定的空间增益,提高在低信噪比环境下的信号处理能力。基于这些优势,成阵后的矢量水听器阵列能够在相同的布阵条件下,达到更好的强目标干扰抑制能力、更好的空间分辨能力以及更高的空间处理增益,为在复杂的水声环境下提高声呐系统的远程目标探测能力提供了物理基础[25]。近年来,已经有多个外国研究机构尝试在无人平台上搭载矢量水听器,以执行自主探测任务。美国麻省理工大学将一条长为100 m矢量水听器拖曳阵搭载在“Bulefin-21”型UUV上,实现了对舰船的探测和跟踪[26],如图 8所示。意大利比萨大学与意大利海军和北约科技组织海事研究和实验中心(Center for Maritime Research and Experimentation,CMRE)合作,利用搭载在“eFolaga”型UUV上的单矢量水听器,实现了对1 kHz线谱目标的实时被动检测与方位估计[27],如图 9所示。葡萄牙海军研究中心与葡萄牙大学合作,将双加速度计矢量水听器(dual accelerometer vector sensor,DAVS)搭载于“MARES”型UUV上,成功实现了对目标的定位[28-29],如图 10所示。CMRE还尝试将三维矢量水听器加装于水下滑翔机上,以实现对水声目标的定位[30],如图 11所示。
Download:
|
|
Download:
|
|
Download:
|
|
Download:
|
|
在国内的水下无人自主探测声呐领域,哈尔滨工程大学、中科院声学所等单位起步较早,这些单位研制的自主探测声呐设备已经经过湖海试验验证。哈尔滨工程大学水声定位与目标探测研究团队是国内矢量声呐信号处理和自主声呐探测领域研究的先驱者,基于近20年的研究成果,在“十二五”期间,团队研发出了“基于矢量水听器阵的无人平台远程主被动自主探测系统”,该系统已经过多次的外场试验验证,能够有效地完成对水下、水面目标的远距离实时自主探测。
从上述的国内外无人平台自主探测声呐的发展现状中可以看出,随着USV、UUV等无人平台进入快速发展阶段,能够实现自主检测、测向、跟踪的无人探测声呐系统已趋于成熟,必将在水下战场上发挥重要作用。但是,目前的无人平台自主探测声呐主要采用单平台独立工作模式,基于多无人平台的分布式、网络化探测系统尚未形成。
2 无人平台自主探测声呐的应用“十二五”期间,哈尔滨工程大学水声定位与目标探测研究团队攻克了近场强干扰背景下的矢量水听器线列阵远程弱目标被动探测、高稳健性矢量阵波束形成、高相对速度下的矢量水听器线谱检测等多项自主探测关键技术,研制了“基于矢量水听器阵的无人平台远程主被动自主探测系统”。研制的原理样机搭载大型UUV、USV等多个无人平台,在湖上、海上典型环境下,对原理样机的性能、技术指标、关键技术、环境适应性等进行了充分考核和验证。搭载航行中的无人平台,分别对静态目标和运动目标实现了自主、全向、无模糊探测,为无人平台提供了精确的目标方位信息,在国内首次实现了人不在环条件下对目标的自主探测。
该系统的湿端为4个矢量水听器子阵组成的线列阵,矢量水听器子阵如图 12所示。为进一步优化矢量水听器线列阵的适装性,团队还进行了矢量水听器阵小型化设计,以提高无人平台航行时的机动性能,小型化矢量水听器线列阵与原矢量阵的实物对比如图 13所示。
Download:
|
|
Download:
|
|
在外场试验中,该自主探测系统搭载无人平台进行了主被动探测性能验证。下面给出部分外场搭载试验的结果。
2.1 静态目标被动探测结果首先给出了静态目标的被动探测结果。目标探测结果如图 14所示,其中参考基准方位由水下无人平台内记的导航数据结合声源GPS坐标计算得到。无人平台在水下航行过程中,矢量阵自主探测系统将目标探测结果实时提供给无人平台,同时进行数据内记,下图显示的均为无人平台内记数据的回放。从图中可以看出,该矢量阵探测系统可实现360°全向、无左右舷模糊的自主探测,且具有低虚警概率和低漏报概率的特点。
Download:
|
|
下面给出了运动目标的被动探测结果。本试验以运动小艇为探测目标。小艇在水面自由航行,UUV在水下7 m运行,跟踪水面目标,目标探测结果如图 15所示。从图中可以看出,运动小艇的方位轨迹清晰,目标探测性能优越。
Download:
|
|
下面给出该系统主动工作模式下的探测结果。图 16~18分别给出了探测声呐对目标回波信号的测距、测向以及测速结果,其中三角表示GPS测量的水平方位和距离结果,实线表示目标模拟回波发射的真实速度,点表示各周期下主动探测声呐系统对距离、方位以及径向速度的估计结果。从图中可以看出,工作在主动模式时,无人平台自主探测声呐能够对目标的距离、方位和运动速度实现精确估计,探测性能优越。
Download:
|
|
Download:
|
|
Download:
|
|
无人平台在未来的水下战争中将扮演更加重要的角色,也必将承担更加复杂多样的作战任务。无人平台的多维度、多基地、一体化的作战需求驱动着自主探测声呐向智能化、模块化、协同化、编队化的方向发展。
1) 智能化。
近年来,以深度学习为代表的人工智能技术发展迅猛,这也给无人平台声呐的智能化发展提供了契机。在执行任务时无人平台声呐能够采集到大量的海洋数据,基于大数据的训练,其能够以系统任务为导向,在未知外部环境和目标特性的前提下,对平台的探测手段、决策过程、工作状态进行自动优化和修正,且随着执行任务次数的增多,无人平台声呐的“进化”也会愈加完善。
2) 模块化。
目前,无人平台自主探测声呐大多是为特定无人平台的特定任务而定制的。当该任务结束时,该声呐设备难以直接应用于新无人平台的新任务场景,一般需要对声呐设备进行成本高昂地升级和维护。发展具备开放式结构、通用接口与协议、标准互操作配置文件的模块化声呐设备,有助于该问题的解决[7]。模块化无人声呐设备能够在不同类型的无人平台上以“即插即用”的方式实现自主探测功能,将成为未来的发展热点。
3) 协同化。
基于单无人平台、单声呐基阵的自主探测系统的作用距离有限,难以满足未来水下战争的需求。基于多无人平台、多声呐基阵的分布式、一体化协同探测网络有助于解决这一问题。一方面,多无人平台进行机动可以显著地扩大几何探测范围;另一方面,对多个无人平台声呐的探测信息进行目标级或特征级融合有助于获得更好的探测效果。
4) 编队化。
作为未来海军装备的重要部分,无人平台将会与其他平台合作形成作战网络完成任务,这些平台既包括舰船、潜艇等水面、水下有人平台,还包括了战斗机、直升机等空中作战平台。各类平台形成的一体化海空作战编队是未来战争的重要发展方向。在编队化过程中,无人平台声呐不但要与有人平台声呐进行信息互通,还要结合一些非声探测信息,共同完成对水下高威胁目标的精确锁定。
[1] |
United States Navy. Autonomous undersea vehicle requirement for 2025[R]. U.S. : United States Department of Defense, 2016.
(0)
|
[2] |
United States Department of Defense. Unmanned systems integrated roadmap FY2009-2034[R]. U.S. : United States Department of Defense, 2009.
(0)
|
[3] |
United States Department of Defense. Unmanned systems integrated roadmap FY2011-2036[R]. U.S. : United States Department of Defense, 2011.
(0)
|
[4] |
United States Department of Defense. Unmanned systems integrated roadmap FY2013-2038[R]. U.S. : United States Department of Defense, 2013.
(0)
|
[5] |
United States Department of Defense. Unmanned systems integrated roadmap FY2017-2042[R]. U.S. : United States Department of Defense, 2018.
(0)
|
[6] |
范展. 水下无人平台自主被动探测技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2015: 7-8. FAN Zhan. Autonomous passive detection for underwater unmanned vehicle[D]. Harbin: Harbin Engineering University, 2015: 7-8. (0) |
[7] |
傅仁琦, 曹焱, 王晓林. 无人水下航行器声呐装备现状与发展趋势[J]. 舰船科学技术, 2020, 42(2): 82-87. FU Renqi, CAO Yan, WANG Xiaolin. Current status and developing trend of sonar equipments for unmanned undersea vehicle[J]. Ship science and technology, 2020, 42(2): 82-87. (0) |
[8] |
李红军. 美国"反潜战持续跟踪无人艇"对反潜战的影响[J]. 现代军事, 2017(3): 47-50. LI Hongjun. The effect of anti-submarine continuous tracking unmanned vessel project on anti-submarine warfare[J]. Conmilit, 2017(3): 47-50. (0) |
[9] |
晓梦, 彭飞. 雷声公司为反潜持续跟踪无人艇项目交付模块化可扩展声纳系统[EB/OL]. 国防科技信息网, 2015. (2015-11-23)[2020-07-07]. http://www.dsti.net/Information/News/97169. XIAO Meng, PENG Fei. Raytheon delivers modular scalable sonar system for anti-submarine continuous tracking unmanned vessel project[EB/OL]. dsti. net, 2015. (2015-11-23)[2020-07-07]. http://www.dsti.net/Information/News/97169. (0) |
[10] |
Raytheon Company. Raytheon delivers sonar for DARPA's unmanned anti-submarine warfare vehicle program[EB/OL]. Reytheon Company, 2015. (2015-11-18)[2020-07-07]. https://raytheon.mediaroom.com/2015-11-18-Raytheon-delivers-sonar-for-DARPAs-unmanned-anti-submarine-warfare-vehicle-program.
(0)
|
[11] |
徐依航. 技术派丨美国"海上猎手"缘何成为中国潜艇的最大威胁?[EB/OL]. 澎湃新闻, 2016. (2016-09-23)[2020-07-07]. http://www.thepaper.cn/baidu.jsp?contid=1533268. XU Yihang. Why the US "sea hunter" became the biggest threat to Chinese submarines[EB/OL]. Thepaper. cn, 2016. (2016-09-23)[2020-07-07]. http://www.thepaper.cn/baidu.jsp?contid=1533268. (0) |
[12] |
郭晨曦. 埃尔比特系统公司在"海鸥"号无人水面艇上集成主被动拖曳声纳[EB/OL]. 国防科技信息网, 2020. (2020-04-17)[2020-07-07]. http://www.dsti.net/Information/News/118998. GUO Chenxi. Elbit systems integrates active and passive towed sonar on the "Seagull" unmanned surface boat[EB/OL]. dsti. net, 2020. (2020-04-17)[2020-07-07]. http://www.dsti.net/Information/News/118998. (0) |
[13] |
晓梦, 彭飞. 埃尔比特系统有限公司在"海鸥"号无人水面艇上集成了主被动拖曳声纳[EB/OL]. 国防科技信息网, 2020. (2020-04-15)[2020-07-07]. http://www.dsti.net/Information/News/118967. XIAO Meng, PENG Fei. Elbit Systems integrates active and passive towed sonar on the "Seagull" unmanned surface boat[EB/OL]. dsti. net, 2020. (2020-04-15)[2020-07-07]. http://www.dsti.net/Information/News/118967. (0) |
[14] |
GeoSpectrum Technologies Inc. TRAPS-USV[EB/OL]. GeoSpectrum Technologies Inc. [2020-07-07]. https://geospectrum.ca/defence-surveillance-products/surface-systems/traps-usv/.
(0)
|
[15] |
Elbit Systems UK has demonstrated its SEAGULL USV (Unmanned Surface Vessel) capabilities in UK MoD ASW (Anti-Submarine Warfare) Trials[EB/OL]. Joint-Forces. com, 2020. (2020-06-09)[2020-07-07]. https://www.joint-forces.com/uk-news/33127-elbit-seagull-usv-uk-mod-asw-trials.
(0)
|
[16] |
王璐菲. DARPA研发兼顾探测和隐身的双基地声纳系统[J]. 防务视点, 2016(4): 63. WANG Lufei. DARPA develops a dual-base sonar system that combines detection and stealth[J]. Defense point, 2016(4): 63. (0) |
[17] |
晓梦, 彭飞. BAE系统公司发展探测和跟踪潜艇的技术[EB/OL]. 国防科技信息网, 2017. (2017-07-20)[2020-07-07]. http://www.dsti.net/Information/News/105603. XIAO Meng, PENG Fei. BAE systems develops technology to detect and track submarines[EB/OL]. dsti. net, 2017. (2017-07-20)[2020-07-07]. http://www.dsti.net/Information/News/105603. (0) |
[18] |
ECKSTEIN M. DARPA, BAE Systems developing small unmanned underwater vehicles to hunt enemy submarines[EB/OL]. USNI News, 2017. (2017-07-18)[2020-07-07]. https://news.usni.org/2017/07/18/darpa-bae-systems-developing-small-uuv-to-conduct-active-sonar-sub-hunting-on-behalf-of-us-navy-subs.
(0)
|
[19] |
BAKER Berenice. Orca XLUUV: Boeing's whale of an unmanned sub[EB/OL]. Naval Technology, 2019. (2019-07-01)[2020-07-07]. https://www.naval-technology.com/features/boeing-orca-xluuv-unmanned-submarine/.
(0)
|
[20] |
HAMILTON M J, KEMNA S, HUGHES D. Antisubmarine warfare applications for autonomous underwater vehicles: the GLINT09 sea trial results[J]. Journal of field robotics, 2010, 27(6): 890-902. DOI:10.1002/rob.20362 (0)
|
[21] |
Light weight array technologies[EB/OL]. Acoustic Research Laboratory, National University of Singapore. [2020-07-07]. https://arl.nus.edu.sg/twiki6/bin/view/ARL/LWAT.
(0)
|
[22] |
The STARFISH AUVs[EB/OL]. Acoustic Research Laboratory, National University of Singapore. [2020-07-07]. https://arl.nus.edu.sg/twiki6/bin/view/ARL/STARFISH.
(0)
|
[23] |
NEHORAI A, PALDI E. Acoustic vector-sensor array processing[J]. IEEE transactions on signal processing, 1994, 42(9): 2481-2491. DOI:10.1109/78.317869 (0)
|
[24] |
王德俊. 矢量声场与矢量信号处理理论研究[D]. 哈尔滨: 哈尔滨工程大学, 2004: 2. WANG Dejun. Theoretical studies on vector acoustic field and vector signal processing[D]. Harbin: Harbin Engineering University, 2004: 2. (0) |
[25] |
陶凯. 声矢量水听器阵列远程目标被动探测技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2015: 9. TAO Kai. Research on passive detection technology of Uderwater Target using acoustic vector sensor array[D]. Harbin: Harbin Engineering University, 2015: 9. (0) |
[26] |
BENJAMIN M R, BATTLE D, EICKSTEDT D, et al. Autonomous control of an autonomous underwater vehicle towing a vector sensor array[C]//Proceedings of 2007 IEEE International Conference on Robotics and Automation. Rome, Italy: IEEE, 2007: 4562-4569.
(0)
|
[27] |
TERRACCIANO D S, COSTANZI R, GUERRINI P, et al. Bearing estimation in very shallow waters with an AUV mounted Acoustic Vector Sensor[C]//Proceedings of OCEANS 2019-Marseille. Marseille, France: IEEE, 2019: 1-6.
(0)
|
[28] |
SANTOS P J M, FELISBERTO P, ZABEL F, et al. Dual accelerometer vector sensor mounted on an autonomous underwater vehicle (AUV)-Experimental results[J]. Proceedings of meetings on acoustics, 2017, 30(1): 055011. (0)
|
[29] |
MARQUES M M, GATTA M, BARRETO M, et al. Assessment of a shallow water area in the Tagus estuary using unmanned underwater vehicle (or AUV's), Vector-sensors, unmanned surface vehicles, and Hexacopters-REX'17[C]//Proceedings of 2018 OCEANS-MTS/IEEE Kobe Techno-Ocean (OTO). Kobe, Japan: IEEE, 2018: 1-5.
(0)
|
[30] |
STINCO P, TESEI A, FERRI G, et al. Passive acoustic signal processing at low frequency with a 3-D acoustic vector sensor hosted on a buoyancy glider[J]. IEEE journal of oceanic engineering, 2021, 46(1): 283-293. DOI:10.1109/JOE.2020.2968806 (0)
|