舰船科学技术  2017, Vol. 39 Issue (12): 70-75   PDF    
UUV集群协同探测与数据融合技术研究
周宏坤, 葛锡云, 邱中梁, 冯雪磊, 陈南若     
中国船舶科学研究中心 深海载人装备国家重点实验室,江苏 无锡 214082
摘要: 简述无人水下航行器(UUV)集群协同探测的原理和特点,介绍国外UUV集群协同探测技术的发展和应用现状。设计1种基于主从网络结构的UUV协同探测方案,分析3种编队队形的探测性能,讨论了探测、导航、通信一体化数据融合的方法。
关键词: UUV     协同探测     数据融合    
Research on UUVs cooperative detection and data fusion
ZHOU Hong-kun, GE Xi-yun, QIU Zhong-liang, Feng Xue-lei, CHEN Nan-ruo     
State Key Laboratory of Deep-sea Manned Vehicles, China Ship Scientific Research Center, Wuxi 214082,China
Abstract: Principle and characteristic of unmanned underwater vehicles (UUVs) cooperative detection are described in this paper, and the developments and applications status abroad are introduced as well. A master-slave network based scheme for cooperative detection is proposed here, and the detection performances are analyzed according to three different formation patterns, and the data fusion approach integrating detection, navigation and communication is discussed.
Key words: UUV     cooperative detection     data fusion    
0 引 言

目前,无人水下航行器(UUV)的航速、航程、续航力在逐步提高,并且能携带武器,即将具备与潜艇媲美的功能,未来将更多地代替潜艇在作战一线承担情报侦察、反潜、反舰等任务。在水下使用多艘UUV组成水下编队进行协同探测,可以提高探测效率,扩大探测范围,发挥更大的作用。在探测海域水文环境恶劣、探测任务繁杂的情况下,UUV协同探测的高度智能化和多功能性,能够完成单UUV无法完成或难以完成的任务[1]

UUV集群协同探测具有容错能力强、配置灵活、网络拓扑结构可动态调整的特点,可有效降低成本、扩大能力、提高效率和探测概率。UUV个体配备不同的任务模块,群体间通过资源共享弥补单UUV能力的不足,扩大执行任务范围;合理规划UUV集群探测路径,可以缩短作业时间,覆盖更大的工作区域;多艘UUV组成分布式、可灵活快速布放的水下探测网,可以多角度、多方位地提高远程目标探测概率与精度;UUV集群协作系统所具有的高度并行性和天然冗余性,提供了较强的容错能力,提高了系统的柔性和鲁棒性;多UUV相互配合,智能化程度高,获取信息量丰富,能够使水下战场更加透明,控制区域可向前推进上百公里[2]

在深海环境中,基于UUV集群的协同探测技术需要重点研究自主式目标探测与识别关键技术以及自动数据融合技术,包括研究适合自主式探测器的干扰背景平滑处理和恒虚警检测方法,自主的目标被动检测、定位、跟踪方法,双/多基地合成孔径技术;研究多个自主式节点传感器信息的时空统一、数据关联、数据融合方法;研究网络信息的自动检测融合、分类融合和跟踪融合方法,发展网络探测和识别方式等[3]

本文针对水下战场中侦察、识别、跟踪、监视等作战任务的需要,提出一种基于主从网络结构的UUV集群协同探测方案与数据融合方法,具体分析了UUV编队的目标定位能力。

1 集群协同探测的分类

UUV集群协同探测的分类按声呐系统可分为协同主动探测和协同被动探测;按照目标种类可分为协同固定目标探测和协同移动目标探测;按网络结构可分为主从结构协同探测和并列结构协同探测;按协同探测时机可分为预先协同探测和临时协同探测[4]

主/被动工作模式的选择主要由目标是否发声决定,被动模式主要用于检测水面舰船、潜艇或敌方主动声呐发出的声信号,执行隐蔽低频远程警戒;主动工作模式主要用于探测敌方安静型潜艇、水下航行器、水雷等低噪声或不发声目标,还包括海底监听设备、军用电缆等。一般分为远程警戒探测与近程高分辨率探测。对于水声探测来说,利用UUV集群作为探测节点,整个声呐系统具有更大的孔径,有利于提高目标探测精度。

UUV协同探测固定目标与协同探测运动目标的区别在于UUV使用的探测设备和数量要求不同。在探测装备的选择方面与主/被动工作模式的选择相同,由于固定目标一般不向外发射物理场,因此应使用主动探测设备进行探测;UUV探测运动目标时可使用被动设备探测其辐射噪声,必要时使用主动探测设备对目标进行定位。在UUV的数量方面,由于固定目标没有位移,所以探测时需要的UUV数量相对较少,而探测运动目标时,由于目标位置的变化和UUV航程航速的限制,可能会需要数量较多的UUV才能完成任务。

网络结构的选择和具体作业任务有关。在并列网络结构中,系统中每个成员智能化程度相差不大。这种网络的导航系统需要各成员的相互依赖、相互补充,或者每个成员都有独立的导航系统。主从网络结构中,系统往往由少量主UUV和多台从UUV组成,主节点智能化程度较高,起到导航和控制从节点的作用,从节点智能化程度较低,趋向于单一功能节点。随着从节点数量的增加,少量主节点的负荷将越来越重,因此逐级进行主从型扩展是大型水下网络的发展趋势。

UUV预先协同探测是指在UUV执行探测任务之前,利用一定的时间进行协同组织,安排各UUV的分工和协同方法。临时协同探测是指在UUV执行某一任务的过程中,根据情况的变化临时抽调某些UUV进行协同探测。显然,预先协同探测能够对探测任务进行详细分析,对协同计划进行周密的安排,而临时协同探测则能够对复杂的海洋环境做出及时的反应。

2 集群协同探测的应用现状

国外关于UUV集群协同探测的研究和发展已经经历了30多年时间,形成了一系列的关键技术和应用成果。相比而言,国内在这方面的研究起步较晚,许多研究都还处于理论和仿真阶段。

美国关于UUV协同探测的应用研究主要在水雷探测领域。为实现美国海军提出的水下考察、测量和辅助通信/导航能力,Bluefin机器人技术公司等多家单位联合开展了一项“分布式侦察与探测的协作自主性(CADRE)”研究。该系统由3种不同类型的UUV组成,分别执行导航、探测和识别水雷等使命。麻省理工学院联合北约SACLANTCEN研究所开展的水声探测项目“通用海洋阵列技术声呐(GOATs)”,将小型、廉价的AUV通过与最新的通信技术组合起来,形成移动平台探测网络。这些平台可以独立工作或者协同工作,以单基地、多基地方式完成潜水区探雷、探潜等战术任务[3]。英国Nekton研究机构开发的水下多智能体平台(UMAP)由4台小型、廉价、易于操作的Ranger UUV和支持的软件结构组成,目的是作为多UUV研究的平台,研究内容包括分布式搜索算法、编队控制、海洋学调查等[5]

美国海军海洋水雷战中心(NOMWC)UUV编队配备排级/指挥所任务分析(PMA)单元和数据融合单元(DFC),用于支持猎雷、海上防御侦查、指挥所任务分析、反水雷(MCM)数据现场战术和环境分析、变化检测和MCM目标数据融合等,提供一种高效、快速远程的猎雷方式。

3 集群协同探测技术研究 3.1 方案设计

假设UUV编队由5艘不同功能的UUV组成,均由深海水下平台释放。该编队采用主从网络结构,其中1艘作为主节点(0#),其他4艘为从节点(1#~4#),所有节点均配备舷侧阵声呐,如图1图2所示。

图 1 UUV集群协同群探测示意图 Fig. 1 Schematic diagram of UUVs cooperative detection

图 2 UUV集群协同探测系统组成 Fig. 2 System configuration for UUVs cooperative detection

0#主节点配置智能控制中心,负责控制整个编队的运动和作业;配置高精度导航定位系统,为编队提供导航信息;配置大容量、高速数据处理系统,用于多传感器数据融合;搭载低频主动声呐、拖曳声呐,具备编队周围360°,100 km警戒搜索能力;配置大功率远/近程通信设备,用于对潜、对岸、对浮标、对UUV从节点、对水下固定节点的信息和数据传输;配备环境参数测量设备,用于海洋水体参数的测量。

1#从节点要求具备高航速的特点,可定时(或受命)上浮水面进行水面侦查、通信以及获取定位信息。主要配备电子侦测、通信和定位相关设备,用于对水面舰船的雷达与无线电信号的侦测、识别和通信,对低空飞机的雷达与无线电信号的侦测与通信,对卫星的通信和定位等;配备磁探仪用于水下磁异常探测。

2#从节点主要用于海底地形地貌测量、水雷探测、辅助地形匹配导航、辅助海底打捞等作业,主要装备声学成像系统、光学成像系统等。

3#从节点具备水声对抗能力,首先可用作为潜艇模拟器,利用主动声呐模拟水面、水下舰艇的自噪声,实现声学欺骗;其次是携带水声干扰器和气幕弹等装备,干扰敌方声呐工作。

4#从节点具备水下作业和攻击能力,携带作业工具用于布放/排除水雷,携带微型炸药用于引爆水雷,携带小型鱼雷用于攻击敌方水下航行器,配备特种工具用于破坏敌方UUV导航、通信、推进等系统,实现对敌方UUV、水下滑翔机、潜标的捕获。

以上的UUV节点均采用模块化设计和组装,任务模块可根据实际进行选择性安装。

3.2 水下警戒探测技术

水下警戒探测技术包括波束形成技术和分布式定位技术。波束形成技术以UUV编队组成的均匀离散直线阵为研究对象,阵元间距根据目标声波的波长设定,以获得最窄波束宽度或最低旁瓣级。分布式定位技术是一种基于距离(时延)的定位方法,理论上接收阵间距越大定位精度越高。分布式定位系统的性能和目标与接收阵列之间的几何关系、水声信道与声线追踪、目标定位解算、信号检测、时间同步与测量、抗多径/多址干扰等很多因素有关。

基于移动编队的水下探测,最大优点就是声呐阵列可根据目标的频率特性、环境噪声特性、信号处理方法等方面的要求进行自适应调整,获取最大阵列增益,实现最佳探测效果。当编队采用主从网络结构的模式,为保证稳定的通信速率(1.2 kbps)和可靠的定位距离,主从节点间隔不超过10 km。UUV集群探测编队队形可根据任务要求分为一字横排型结构(I型)、一字纵排型结构(II型)以及十字交叉型结构(III型),如图3所示。

图 3 UUV集群搜索三种队形结构 Fig. 3 Three formation patterns for UUVs search maneuver

1)一字横排型搜索

单个UUV的舷侧阵可以看成一个均匀直线阵,分布式UUV集群可看做是一个五元均匀离散阵,如图4(a)所示。

对于连续型舷侧阵,其指向性函数为

${D_1}\left( \theta \right) = \displaystyle\frac{{\sin \left[ {\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\sin \left( \theta \right)} \right]}}{{\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\left[ {\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\sin \left( \theta \right)} \right]}}\text{。}$ (1)

均匀离散线阵的指向性函数为

${D_2}\left( \theta \right) = \displaystyle\frac{{\sin \left[ {N\displaystyle\frac{{{\rm{\pi }}d}}{\lambda }\sin \left( {\theta - {\rm{\pi }}/2} \right)} \right]}}{{N\sin \left[ {\displaystyle\frac{{{\rm{\pi }}d}}{\lambda }\sin \left( {\theta - {\rm{\pi }}/2} \right)} \right]}} \text{。}$ (2)

式中:L为连续阵长度;λ为声波波长;N为离散阵阵元数;d为阵元间距。

对于均匀分布直线阵来说,布阵间距根据噪声相关性特点一般为半波长,增大间距可以增加分辨力,但是旁瓣变高,减小间距能降低旁瓣,但分辨力降低。由均匀直线阵的特点可知,阵列的法向波束最窄,定向方向越偏离法向方向主瓣越宽,实际中只用法线附近一个小的扇面进行定向[6]

设舷侧阵长度为2个波长,UUV节点间距设为半波长,阵元数为5,绘制指向性如图4(b)所示。可以看出,UUV集群构成的五元节点阵波束方向与前进方向一致(0°方向),舷侧阵波束方向与前进方向垂直(90°方向),因此这种队形型适合前后、左右同时进行定向搜索。

在使用节点阵列进行被动探测时,产生的数据量较大,此时节点间距不超过150 m(半波长对应声波频率5 Hz),利用高速水声通信进行数据传输;当使用节点阵列进行主动探测时,为提高节点距离应尽可能大;当需要探知目标的深度信息时,UUV集群变换队形成上下梯形结构,这样可以在垂直方向形成孔径。

图 4 队列I集群搜索 Fig. 4 Formation pattern I for UUVs search maneuver

2)一字纵排型搜索

为提高目标的定向精度,可UUV集群可以变换为一字纵向搜索队形,此时五元节点阵与舷侧阵的主波束方向相同,组成复合阵的指向性函数为

$\begin{array}{c}D\left( \theta \right) = {D_1}\left( \theta \right) \cdot {D_2}\left( \theta \right){\rm{ = }} \\ \displaystyle\frac{{\sin \left[ {\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\sin \left( \theta \right)} \right]}}{{\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\left[ {\displaystyle\frac{{{\rm{\pi }}L}}{\lambda }\sin \left( \theta \right)} \right]}} \cdot \displaystyle\frac{{\sin \left[ {N\displaystyle\frac{{{\rm{\pi }}d}}{\lambda }\sin \left( \theta \right)} \right]}}{{N\sin \left[ {\displaystyle\frac{{{\rm{\pi }}d}}{\lambda }\sin \left( \theta \right)} \right]}} \text{。}\end{array}$ (3)

设舷侧阵长度为2个波长,UUV节点间距为半波长,阵元数为5,得到3种阵列的指向性如图5所示。从图中可以看出,和UUV的舷侧阵相比,复合阵的旁瓣级下降14 dB,主瓣宽度降低了9.2°。同样,UUV节点的间距可以进行自适应优化,提高探测精度。这个队形的特点是复合指向性的主波束窄,定向精度最高,所以这种阵型适合两侧小区域高精度定向测量。同时该队形缺点也很明显:前后区域定向探测能力较弱。

图 5 队列II集群搜索 Fig. 5 Formation pattern II for UUVs search maneuver

3)十字交叉型搜索

十字交叉型搜索队形一般采用分布式主动搜索探测模式,如图6所示。其中,主UUV的低频主动声呐实施全指向或定向发射,5个节点接收目标回波信号预处理后,再将信号回传给主节点,主节点综合各种信号进行数据融合,解算得到目标的距离和方位信息。工作时主从节点间距不超过10 km,采用低速水声通信进行数据传输,搜索距离可达到上百千米。

分布式定位采用基于距离的被动测量,如图6所示。根据文献[7],有

$\left\{ \begin{array}{l}{R^2} + 2Dc{\tau _1} - {\left( {c{\tau _1}} \right)^2} - 2RD\cos \varphi = 0 \text{,}\\{R^2} + 2Dc{\tau _2} - {\left( {c{\tau _2}} \right)^2} - 2RD\sin \varphi = 0 \text{,}\\{R^2} + 2Dc{\tau _3} - {\left( {c{\tau _3}} \right)^2} + 2RD\cos \varphi = 0 \text{,}\\{R^2} + 2Dc{\tau _4} - {\left( {c{\tau _4}} \right)^2} + 2RD\sin \varphi = 0 \text{。}\end{array} \right.$ (4)

式中:R为主从节点之间的距离;c是声波传播速度;τi为声信号到各节点的传播时间。

解方程得到

$\begin{array}{l}D = \left( {{c^2}\displaystyle\sum\limits_{i = 1}^4 {\tau _i^2} - 4{R^2}} \right)/\left( {2c\displaystyle\sum\limits_{i = 1}^4 {{\tau _i}} } \right),\;\\\tan \varphi = \displaystyle\frac{{\left( {{\tau _2} - {\tau _4}} \right)\left[ {2D - c\left( {{\tau _2} + {\tau _4}} \right)} \right]}}{{\left( {{\tau _1} - {\tau _3}} \right)\left[ {2D - c\left( {{\tau _1} + {\tau _3}} \right)} \right]}} \text{。}\end{array}$ (5)

这里,如果采用主动探测,则目标距离D可以利用回波测距法直接测量,可以进一步提高方位的测量精度,增加集群探测的系统冗余性。

当目标距离满足 $D \gg c{\tau _i}$ 时,进一步有

$\varphi = \arctan \frac{{\left( {{\tau _2} - {\tau _4}} \right)}}{{\left( {{\tau _1} - {\tau _3}} \right)}},{\sigma _\varphi } = \sqrt 2 \frac{c}{R}{\sigma _\tau } \text{。}$ (6)

式中:σφστ分别为方位估计和时延估计误差。由上式可知,十字交叉阵的定位精度只和时延有关,水平面内具有相同的探测精度。

图 6 队列III分布式探测示意图 Fig. 6 Schematic diagram of distributed detection for formation pattern III

综上所述,在大范围内采用I型一字横向搜索队形,发现目标后可改变为II型一字纵向搜索队形,提高定向精度,确定方向后变换为III型十字交叉搜索队形,更具需要使用被动测距或主动测距进行精确定位。在被动检测过程中,UUV编队可根据噪声信号获取对方目标的声纹特征,进行目标识别和情报收集。

4 数据融合技术

分布式移动探测和定位系统作为水下信息网重要一环,目前的问题在于水下多种传感器之间的网络连接和信息融合。UUV可作为水下声呐组网的探测和通信结点,实现水下信息的获取和传递。一旦发现可疑目标,UUV集群可进行跟踪监视,并将收集的信息进行有效融合、处理,生成情报信息发送到网络的所有节点,达到更有效的目标定位、跟踪与攻击。从UUV编队角度来说,数据融合指的是节点之间的数据交换情报共享,从整个体系而言数据融合包括编队对潜、对岸、对空天整个作战信息网的数据交互,如图7所示。

UUV之间的通信和定位问题是实现UUV协同探测的基础。UUV集群探测对各节点的相对位置要求比较高,由于主节点导航定位精度高,从节点导航定位能力弱,因此主节点需要利用水声定位系统(超短基线系统),对从节点进行定位,同时将位置信息、指令信息发送给从节点,这里水声定位与通信系统采用一体化设计。UUV主节点除利用自身的惯导设备进行导航以外,还可以利用其他UUV从节点获得的信号进行组合导航与定位。

1)UUV集群导航定位

惯性导航(INS)和水声测速(DVL)组合作为水下载体使用最成熟的技术,已经在国外获得了广泛应用。主节点上配置INS和DVL,采用DVL速度测量作为观测量进行SINS/DVL自主导航定位。惯性导航(INS)、卫星导航定位(GPS)以及超短基线(USBL)组合导航定位,主要利用1#从节点的卫星定位功能、超短基线定位功能以及水声通信功能。首先主节点发出指令(或定时)控制1#从节点上浮水面接收GPS位置信息(或者无线电导航信息),1#从节点将接收到的位置信息发送给主节点,主节点根据收到的1#从节点的位置信息,再利用超短基线测得的相对于位置信息,解算得到自身的位置信息,修正惯导累积的导航误差。此外,还可以利用地形匹配导航、地磁导航实现组合导航。

2)水下战场信息收发

水下作战平台对UUV集群的控制指令可通过释放前平台预置、远程水声通信置入;作战信息网对UUV集群的控制指令可通过卫星/无线电置入(利用1#从节点)、水下固定通信节点置入、远程水声通信置入这几种方式实现。

当水下UUV编队需要上传情报时间时,首先各从节点将获得的信息汇总到主节点中,然后由主节点进行数据提取、融合和压缩,最后通过多种方式向外传递,包括对潜和对岸的远程水声传输、利用1#从节点携带卫星和无线电传输、水下固定节点传输等多种方式。

3)集群智能化探测与作业

当集群探测到目标后,主节点发出决策指令,进行抵近侦查与监视,情报收集与跟踪,水雷布放和排除等任务,必要时还可以展开攻击或进行捕获,任务完成后将情报利用多种方式传输上网。

4)故障决策

编队中,当某个节点发生故障无法工作后会自动上浮到水面,然后发出定位信号等待回收。如果自动上浮失败沉到海底,主节点会对其定位并将位置信息发送给信息网,然后智能化决策(或接收指令)是否重新编队继续执行预定任务。

图 7 UUV集群探测数据融合体系 Fig. 7 Data fusion system architecture for UUVs cooperative detection
5 结 语

本文提出的一种基于5艘UUV编队的集群协同探测方案,配置多种传感器和作业工具,具备全面的信息获取能力和特种作业能力,警戒搜索范围从几十米的浅海到几千米的深海都能够覆盖。理论分析表明:基于该方案的波束形成探测技术和分布式移动探测技术,拥有强大的灵活性和自适应性,具有较高的定位精度和探测效率,能够极大地增强水下的信息探测和组网能力,有效地保障了水下载人作战平台的安全性,并且可实现性较高。

在UUV集群协同探测数据融合过程中,不仅仅需要探测设备、定位设备,数据融合软硬件的技术的发展,还需要依靠UUV的能源系统与推进、水下远距离通信、数据传输等关键技术的突破,在发展水下探测技术的同时,应该加强关键技术以及基础性技术研发,比如复杂海洋环境建模、海洋“大数据”、材料、计算机控制等基础性技术。

参考文献
[1] 陈强. 水下无人航行器[M]. 北京: 国防工业出版社, 2014.
CHEN Qiang. Unmanned underwater vehicle[M]. Beijing: National Defense Industry Press, 2014.
[2] 陈玮, 吴泽伟, 吴晓锋. UUV协同探测的现状与发展前景[J]. 舰船电子工程, 2009, 29 (2): 6–8.
CHEN Wei, WU Ze-wei, WU Xiao-feng. Current status and future directions of uuvs cooperation probe[J]. Ship Electronic Engineering, 2009, 29 (2): 6–8.
[3] 单忠伟, 陈伏虎, 白兴宇. 基于UUV的水下警戒探测技术和发展趋势[J]. 声学与电子工程, 2009 (2): 45–48.
SHAN Zhong-wei, CHEN Fu-hu, BAI Xing-yu. Underwater alert detection technology based on UUV and its development trend[J]. Acoustic and Electronics Engineering, 2009 (2): 45–48.
[4] 许真珍, 封锡盛. 多UUV协作系统的研究现状与发展[J]. 机器人, 2007, 29 (2): 186–192.
XU Zhen-zhen, FENG Xi-shen. Current status and future directions of multiple UUV coopera-tion system[J]. Robot, 2007, 29 (2): 186–192.
[5] BYRNE R H, ESKRIDGE S E, HURTADO J E, et a1. Algorithms and analysis for underwater vehicle plume tracing[R]. USA: DARPA, 2003.
[6] 李启虎. 声呐信号处理引论[M]. 北京: 科学出版社, 2012.
LI Qi-hu. An introduction to SONAR signal pro-cessing[M]. Beijing: Science Press, 2012.
[7] 陈华伟, 赵俊渭, 郭业才. 五元十字阵被动声定位算法及其性能研究[J]. 探测与控制学报, 2003, 25 (4): 11–16.
CHEN Hua-wei, ZHAO Jun-wei, GUO Ye-cai. Acoustic passive location algorithm based on a planar five-element array and its performance analysis[J]. Journal of Detention and Control, 2003, 25 (4): 11–16.