CN102213594A - 一种无人潜航器海流观测数据融合方法 - Google Patents

Abstract

本发明提供的是一种无人潜航器海流观测数据融合方法。1、海流剖面数据获取，UUV在水下一定深度航行时，获取UUV上部或下部一定水层厚度的海流剖面；2、海流剖面数据滤波，对获取的海流剖面原始数据进行滤波，消除野值，并对测量的随机误差进行平滑修正；3、海流剖面数据时间配准，将异步数据归算为相同时刻下的同步数据；4、UUV位置信息的推算，UUV从一个已知的坐标位置开始，根据UUV在该点的航向、航速和航行时间，推算下一时刻的坐标位置；5、海流剖面数据融合，将位置信息的推算所得的经纬度位置信息转换成ASCII码，插入到ADCP数据包的相应位置。本发明可以得到在大地坐标系下，准确、完整的海流剖面信息。

Description

一种无人潜航器海流观测数据融合方法

技术领域

本发明涉及的是一种水下无人航行器海洋观测数据处理方法。

背景技术

无人潜航器(Unmanned Underwater Vehicles，简称UUV)又称无人水下航行器或水下机器人，是一种以水面船舶为支援平台，可长时间在水下自主远程航行的无人智能小型装备平台。UUV携带多普勒海流剖面仪(Acoustic Doppler Current Profile，简称ADCP)海流测量法，属于水下自航式海洋观测技术，该海流观测方法可隐蔽观测、不受海面风浪影响、可实现全天候工作等特点，克服了传统坐底自容式海流监测方式的观测范围小，布放回收困难的不足，也克服了水面船舶携带ADCP观测海流时受海面环境影响严重、不能够对深海海流观测的缺陷，而UUV携带ADCP在水下测量海流时不能够接收到GPS信号，从而导致海流信息因缺失地理位置信息而变得不够准确和全面。而国内外文献中对于UUV搭载ADCP在水下航行时，测得的海流剖面数据未有对其进行数据融合的相关报道。

发明内容

本发明的目的在于提供一种可以得到在大地坐标系下，准确、完整的海流剖面信息的无人潜航器海流观测数据融合方法。

本发明的目的是这样实现的：

1.海流剖面数据获取

由外壳、推进器、DVL、ADCP、姿态传感器、罗经、GPS和控制计算机组成UUV，UUV在水下一定深度航行时，ADCP在控制计算机控制下，发射一定频率的声波，利用多普勒效应获取UUV上部或下部一定水层厚度的海流剖面；

2.海流剖面数据滤波

对获取的海流剖面原始数据进行滤波，消除野值，并对测量的随机误差进行平滑修正；

3.海流剖面数据时间配准

在对海流观测数据融合之前将经过滤波处理的异步数据归算为相同时刻下的同步数据；

4.UUV位置信息的推算

UUV从一个已知的坐标位置开始，根据UUV在该点的航向、航速和航行时间，推算下一时刻的坐标位置；

5.海流剖面数据融合

将位置信息的推算所得的经纬度位置信息转换成ASCII码，插入到ADCP数据包的相应位置，更新包长与校验码之后完成位置信息与海流数据的融合。

为了解决UUV携带ADCP在水下测量海流时不能够实时接收到GPS信号，从而导致海流信息因缺失地理位置信息而变得不够准确和全面的问题，本发明提出了一种UUV自身信息和海流数据融合的方法，以得到在大地坐标系下，准确、完整的海流剖面信息。

为获得持续、稳定的海流剖面数据，本发明设计了一个ADCP的平台，即UUV，UUV主要有外壳、推进器、DVL、ADCP、姿态传感器、罗经、GPS和控制计算机组成，UUV在水下一定深度航行时，ADCP(换能器头向上或向下安装)在控制计算机控制下，发射一定频率的声波，利用多普勒效应获取UUV上部或下部一定水层厚度的海流剖面。

UUV携带ADCP测量海流的过程中，由于仪器的自噪声、海况因素、声纳安装偏差和参数设置的不合理，以及姿态、罗经等传感器的误差，特别是当水层中有运动的鱼或海洋生物时，使得海流观测数据中含有异常数据(野值)和随机误差。本发明在对海流观测数据进行后处理时，对这些原始数据进行滤波，消除野值，并对测量的随机误差进行平滑修正，提高海流数据的精度。

由于DVL、姿态传感器、罗经等传感器在采样起始时间、采样频率、传输延迟上很难完全同步，测得的海流数据、UUV的速度和航向数据在融合前往往是异步的。本发明在海流观测数据融合之前先将这些异步数据归算为相同时刻下的同步数据，这一处理过程就称为海流剖面信息时间配准。

UUV在水下航行时，GPS无法接收到实时的位置信息，为了获得UUV经纬度信息，需要对UUV的位置进行推算估计，这里采用舰位推算的方法：UUV从一个已知的坐标位置开始，根据UUV在该点的航向、航速和航行时间，推算下一时刻的坐标位置。

UUV水下航行获得的海流剖面数据，不包含相应的经纬度位置信息，为了获得准确、全面的海流剖面数据，本发明将UUV经纬度位置信息与海流剖面信息进行数据融合：将舰位推算所得的经纬度位置信息转换成ASCII码，插入到ADCP数据包的相应位置，更新包长与校验码之后便完成了位置信息与海流数据的融合。

本发明相对现有技术具有如下的优点及效果：

本发明能够实现UUV搭载的ADCP获得的海流剖面与UUV位置信息进行数据融合，从而得到全面、稳定、可靠的海流信息。

附图说明

图1是本发明的海流观测数融合过程示意图；

图2是本发明的UUV组成框图；

图3是本发明的UUV位置推算示意图；

图4是本发明的海流信息时间配准方案示意图；

图5是本发明的融合后海流剖面信息WinRiver处理结果。

具体实施方式

下面结合附图对本发明作进一步的描述。

附图2是本发明的UUV系统组成示意图，1是推进器，2是DVL，3是ADCP，4是姿态传感器，5是罗经，6是控制计算机，7是GPS，8是UUV外壳。

图3是本发明中UUV位置推算原理示意图，其中初始经纬度(J₀，W₀)是指进行位置推算时初始时刻记录下的GPS经纬度，(J，W)为UUV位置推算时任意时刻UUV所在位置。

1.海流剖面数据获取

通过设计一个UUV(如图1所示)来获取观测海域的海流剖面信息，该UUV主要有外壳、推进器、DVL、ADCP、姿态传感器、罗经、GPS和控制计算机组成，UUV在水下一定深度航行时，ADCP(换能器头向上或向下安装)在控制计算机控制下，发射一定频率的声波，利用多普勒效应可获取UUV上部或下部一定水层厚度的海流剖面数据，海流剖面数据通过串口(或网口)传输到控制计算机的存储介质进行存储，这样通过UUV就可以获取到海流剖面数据。

2.海流观测数据滤波

UUV携带ADCP测量海流的过程中，由于仪器的自噪声、海况因素、声纳安装偏差和参数设置的不合理，以及姿态、罗经等传感器的误差，特别是当水层中有运动的鱼或海洋生物时，使得海流观测数据中含有异常数据(野值)和随机误差。因此，在对海流观测数据进行后处理时，必须对这些原始数据进行滤波，消除野值，并对测量的随机误差进行平滑修正，提高海流数据的精度。

(1)基于多项式拟合的海流数据野值剔除

基于多项式拟合的野值剔除方法需要对已知的海流观测数据拟合一个多项式，再利用三倍拟合残差序列的均方误差准则进行判别剔除，较其它方法易于操作。该方法对海流观测数据野值剔除步骤如下：

①对已知的海流观测数据(t_i，y_i)，i＝0，1，...，m，合适的次数n进行最小二乘多项式拟合，其中t_i为海流测量时间，y_i为海流速度大小；

②求出系数矩阵α₀，α₁，·，α_n，得到拟合多项式

③计算出相应的拟合值序列p_i：i＝1，2，·，m；

④生成拟合残差序列Δy_i＝p_i-y_i，i＝1，2，·，m；

⑤计算拟合残差序列的均方误差σ：

$\mathrm{\σ}=\sqrt{\frac{{\mathrm{\Δy}}_1^2+{\mathrm{\Δy}}_2^2+\·+{\mathrm{\Δy}}_m^2}{m}}---\left(1\right)$

⑥利用3σ准则判断并剔除野值，剔除野值后的数据为y′_i：i＝1，2，·，m：

当|Δy_i|＜3σ时：

y′_i＝y_i                   (2)

当|Δy_i|＞3σ时：

y_i＝(y_i-3+y_i-2+y_i-1+y_i+1+y_i+2+y_i+3)/6             (3)

根据式(2)和式(3)可知，若残差值小于门限值，为正常值，此值不变；若大于或等于门限值，则判断为野值，用与其相邻的六个数据的均值代替此野值。门限值3σ可根据实验具体情况做出适当的更改。

(2)基于小波分解与重构的海流数据平滑

剔除野值以后，虽然数据中的异常值没有了，但是由于UUV携带的ADCP在实际测量中受水中散射体和系统内部各种误差的影响，给测量数据带来一定的随机误差，尤其是海流数据这种非平稳信号，会出现信号跳变较大的情况。因此，对于多普勒测量数据的处理面临的主要问题是如何选择一种有效的数据平滑方法。小波分解和重构技术是一种适用范围很广的新的数据平滑处理方法，具有在消除高频噪声的同时保留信息的细节部分，因此本发明采用小波包分解和信号重构理论，对海流数据进行平滑。基于小波分解与重构的海流数据平滑就是借小波变换中的多分辨特点来对数据进行分解，通过由Mallat提出的多分辨信号算法来实现对数据的逐层分解，最后得到原信号的低频信息。

3.海流观测数据时间配准

由于DVL、姿态传感器、罗经等传感器在采样起始时间、采样频率、传输延迟上很难完全同步，测得的海流数据、UUV的速度和航向数据在融合前往往是异步的。因此，在海流观测数据融合之前需要先将这些异步数据归算为相同时刻下的同步数据，这一处理过程就称为海流剖面信息的时间配准。

本发明采用基于线性插值的时间配准方案，线性插值的基本原理是在高精度的观测数据上估算出相对应的低精度时间点上的值，取同一处理周期的三组观测数据，利用线性插值法，建立时间配准方案。需要时间配准的三个数据源按测量精度由小到大的顺序是：UUV速度数据，UUV艏向数据，海流速度数据，具体过程见图4。

①定义数组并赋值，分别为t[]，y[]，其中t[]为海流测量时间，y[]为海流速度大小；

②输入待求函数值点T；

③在t数组内搜索T的位置，找到T邻近的插值节点t_i、t_i+1，其中t_i≤T≤t_i+1；

④找到对应的y的插值节点y_i和y_i+1，利用每两个相邻插值基点作线性插值，即可得如下线性插值函数：

4.UUV位置信息的推算

UUV航行时，DVL测得的速度一般是船体坐标系下的速度，为了推算UUV航行时载体的经纬度，需要把船体坐标系下UUV的速度转化为北东坐标系下的速度。UUV载体航行速度在正东方向和正北方向的分量计算如下：

$\left\{\begin{array}{c}{v}_E=v_F\sin H-v_L\cos H\\ v_N=v_F\cos H+v_L\sin H\end{array}\right.---\left(4\right)$

式中v_E、v_N——分别为载体航行速度在正东方向和正北方向的分量；

v_F、v_L——分别为DVL测得的载体相对大地的前向速度和左向速度；

H——UUV载体的航向角，顺时针为正，逆时针为负，可由罗经测得。

结合图3，UUV载体航行中经纬度可由公式(5)进行计算：

$\left\{\begin{array}{c}J=J_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{E,(i-1)}\mathrm{\Δt}/R_{M,(i-1)}\\ W=W_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{N,(i-1)}\mathrm{\Δt}/R_{N,(i-1)}\end{array}\right.---\left(5\right)$

式中Δt——DVL采样周期；

J、W——分别为n时刻UUV载体所在位置的经度和纬度；

J₀、W₀——分别为初始时刻载体的经度和纬度，可由GPS接收机测得；

v_E，(i-1)、v_N，(i-1)——分别为i-1时刻UUV航行速度在正东方向和正北方向的分量；

R_M，(i-1)、R_N，(i-1)——分别为i-1时刻地球子午曲率半径和纬度圈曲率半径。

5.海流剖面信息数据融合

数据融合主要是将UUV自身信息(姿态，航向、导航速度、位置)与海流剖面信息进行数据级别的融合；将UUV的姿态，航向、导航速度、位置等信息转换成ASCII码，经过前四个步骤处理后，融合到海流剖面信息数据包中的相应位置，更新包长与校验码之后便完成了位置信息与海流数据的融合。用海流后处理软件WinRiver软件打开融合后的海流剖面数据包，就可以直观地得到海流剖面在任一位置海流剖面的大小和方向。

图5是利用本发明的UUV搭载的ADCP传感器，在水下7m航行时测得了观测某区域的海流剖面信息，利用WinRiver软件处理海流剖面数据融合后的结果，从图5中可以直观地看出海流的大小和方向。

Claims (5)

1.一种无人潜航器海流观测数据融合方法，其特征是：

(1)海流剖面数据获取

由外壳、推进器、DVL、ADCP、姿态传感器、罗经、GPS和控制计算机组成UUV，UUV在水下一定深度航行时，ADCP在控制计算机控制下，发射一定频率的声波，利用多普勒效应获取UUV上部或下部一定水层厚度的海流剖面；

(2)海流剖面数据滤波

对获取的海流剖面原始数据进行滤波，消除野值，并对测量的随机误差进行平滑修正；

(3)海流剖面数据时间配准

在对海流观测数据融合之前将经过滤波处理的异步数据归算为相同时刻下的同步数据；

(4)UUV位置信息的推算

UUV从一个已知的坐标位置开始，根据UUV在该点的航向、航速和航行时间，推算下一时刻的坐标位置；

(5)海流剖面数据融合

将位置信息的推算所得的经纬度位置信息转换成ASCII码，插入到ADCP数据包的相应位置，更新包长与校验码之后完成位置信息与海流数据的融合。

2.根据权利要求1所述的一种无人潜航器海流观测数据融合方法，其特征是：

所述消除野值是采用基于多项式拟合的海流数据野值剔除方法，步骤如下：

①对已知的海流观测数据(t_i，y_i)，i＝0，1，...，m，合适的次数n进行最小二乘多项式拟合，其中t_i为海流测量时间，y_i为海流速度大小；

②求出系数矩阵α₀，α₁，·，α_n，得到拟合多项式

③计算出相应的拟合值序列p_i：i＝1，2，·，m；

④生成拟合残差序列Δy_i＝p_i-y_i，i＝1，2，·，m；

⑤计算拟合残差序列的均方误差σ：

$\mathrm{\σ}=\sqrt{\frac{{\mathrm{\Δy}}_1^2+{\mathrm{\Δy}}_2^2+\·+{\mathrm{\Δy}}_m^2}{m}}$

⑥利用3σ准则判断并剔除野值，剔除野值后的数据为y′_i：i＝1，2，·，m：

当|Δy_i|＜3σ时：

y′_i＝y_i

当|Δy_i|＞3σ时：

y_i＝(y_i-3+y_i-2+y_i-1+y_i+1+y_i+2+y_i+3)/6

根据式y′_i＝y_i和式y_i＝(y_i-3+y_i-2+y_i-1+y_i+1+y_i+2+y_i+3)/6，若残差值小于门限值，为正

常值，此值不变；若大于或等于门限值，则判断为野值，用与其相邻的六个数据的均值代替此野值；

所述平滑修正是基于小波分解与重构的海流数据平滑。

3.根据权利要求1或2所述的一种无人潜航器海流观测数据融合方法，其特征是：所述异步数据归算为相同时刻下的同步数据是采用基于线性插值的时间配准方案，具体过程为：

①定义数组并赋值，分别为t[]，y[]，其中t[]为海流测量时间，y[]为海流速度大小；

②输入待求函数值点T；

③在t数组内搜索T的位置，找到T邻近的插值节点t_i、t_i+1，其中t_i≤T≤t_i+1；

④找到对应的y的插值节点y_i和y_i+1，利用每两个相邻插值基点作线性插值，得到如下线性插值函数：

4.根据权利要求1或2所述的一种无人潜航器海流观测数据融合方法，其特征是UUV载体航行速度在正东方向和正北方向的分量计算方法为：

$\left\{\begin{array}{c}{v}_E=v_F\sin H-v_L\cos H\\ v_N=v_F\cos H+v_L\sin H\end{array}\right.$

式中v_E、v_N——分别为载体航行速度在正东方向和正北方向的分量；

v_F、v_L——分别为DVL测得的载体相对大地的前向速度和左向速度；

H——UUV载体的航向角，顺时针为正，由罗经测得；

UUV载体航行中经纬度由以下公式进行计算：

$\left\{\begin{array}{c}J=J_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{E,(i-1)}\mathrm{\Δt}/R_{M,(i-1)}\\ W=W_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{N,(i-1)}\mathrm{\Δt}/R_{N,(i-1)}\end{array}\right.$

式中Δt——DVL采样周期；

J、W——分别为n时刻UUV载体所在位置的经度和纬度；

J₀、W₀——分别为初始时刻载体的经度和纬度，由GPS接收机测得；

v_E，(i-1)、v_N，(i-1)——分别为i-1时刻UUV航行速度在正东方向和正北方向的分量；

R_M，(i-1)、R_N，(i-1)——分别为i-1时刻地球子午曲率半径和纬度圈曲率半径。

5.根据权利要求3所述的一种无人潜航器海流观测数据融合方法，其特征是UUV载体航行速度在正东方向和正北方向的分量计算方法为：

$\left\{\begin{array}{c}{v}_E=v_F\sin H-v_L\cos H\\ v_N=v_F\cos H+v_L\sin H\end{array}\right.$

式中v_E、v_N——分别为载体航行速度在正东方向和正北方向的分量；

v_F、v_L——分别为DVL测得的载体相对大地的前向速度和左向速度；

H——UUV载体的航向角，顺时针为正，由罗经测得；

UUV载体航行中经纬度由以下公式进行计算：

$\left\{\begin{array}{c}J=J_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{E,(i-1)}\mathrm{\Δt}/R_{M,(i-1)}\\ W=W_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_{N,(i-1)}\mathrm{\Δt}/R_{N,(i-1)}\end{array}\right.$

式中Δt——DVL采样周期；

J、W——分别为n时刻UUV载体所在位置的经度和纬度；

J₀、W₀——分别为初始时刻载体的经度和纬度，由GPS接收机测得；

v_E，(i-1)、v_N，(i-1)——分别为i-1时刻UUV航行速度在正东方向和正北方向的分量；

R_M，(i-1)、R_N，(i-1)——分别为i-1时刻地球子午曲率半径和纬度圈曲率半径。

Images