商品详情
书名：智能水下机器人海底地形匹配导航技术
定价：118.0
ISBN：9787508854779
作者：李晔等
版次：1
出版时间：2018-11
内容提要：
本书系统地阐述了智能水下机器人海底地形匹配导航的发展与应用，全书共7章，内容主要包括绪论、海底地形匹配导航技术概述、先验数字地形的生成方法、海底地形特征表述与路径规划、地形匹配单元的组建、海底地形匹配导航算法及海底地形辅助导航系统。内容基本上覆盖了智能水下机器人地形匹配技术知识专题及发展动向。
目录：
目录
丛书前言一
丛书前言二
前言
1 绪论 1
1.1 AUV水下导航技术 1
1.2 地形匹配导航原理 3
1.3 AUV海底地形匹配导航技术的研究现状 5
参考文献 9
2 海底地形匹配导航技术概述 13
2.1 海底地形匹配导航系统的组成 13
2.1.1 参考导航单元 13
2.1.2 地形测量单元 14
2.1.3 地形匹配单元 16
2.2 海底地形匹配导航模型 17
2.2.1 状态空间模型 17
2.2.2 数字地形模型 18
2.2.3 影响海底地形匹配定位性能的因素 18
2.3 典型的地形匹配方法 19
2.3.1 基于扩展卡尔曼滤波的地形匹配方法 20
2.3.2 基于相关性的地形匹配方法 21
2.3.3 基于直接概率准则的地形匹配方法 22
2.4 海底地形匹配的特殊性和关键技术 23
2.4.1 飞行器地形匹配导航和AUV海底地形匹配导航的比较 23
2.4.2 不同地形测量传感器在海底地形匹配导航中的特点与优势 24
2.4.3 海底地形匹配的关键技术 26
参考文献 26
3 先验数字地形的生成方法 29
3.1 多波束测深系统构成及原理 29
3.1.1 多波束测深系统构成 29
3.1.2 多波束测深原理 30
3.1.3 GeoSwath Plus相干型多波束测深系统 31
3.2 多波束测深数据处理原理和流程 33
3.2.1 声线的追踪与补偿 33
3.2.2 海底归位处理 36
3.2.3 多波束测深数据处理流程 36
3.3 多波束测深数据的滤波方法 37
3.3.1 多波束测深数据滤波的基本原则 38
3.3.2 基于动态聚类的单ping滤波方法 40
3.3.3 基于Alpha-Shapes模型的单ping滤波方法 47
3.3.4 基于强跟踪卡尔曼滤波的单ping滤波方法 51
3.4 先验数字地形的生成 57
3.4.1 测深数据的空间归位 57
3.4.2 测深数据的网格化处理 58
3.4.3 先验数字地形的存储模型 63
参考文献 66
4 海底地形特征表述与路径规划 68
4.1 海底地形特征的表述 68
4.1.1 地形高程标准差 69
4.1.2 地形信噪比 70
4.1.3 地形费希尔信息量 71
4.1.4 地形高程熵 72
4.1.5 地形高程绝对值粗糙度 74
4.1.6 局部地形相关系数与相关长度 74
4.1.7 局部地形平均坡度及坡度方差 75
4.2 基于改进人工势场法的地形匹配路径规划 76
4.2.1 改进人工势场法 76
4.2.2 *优路径搜索方案 78
4.2.3 路径规划结果 79
4.3 基于扇形搜索的地形匹配路径规划 80
4.3.1 适配区域的扇形搜索方法 81
4.3.2 扇形搜索方法的开角分析 82
4.3.3 目标点处限制线 85
4.3.4 目标点前的适配区域选择 87
4.3.5 引入临界高程熵的路径优化 89
4.3.6 路径规划结果 90
4.4 基于粒子群优化算法的地形匹配路径规划 91
4.4.1 粒子群优化算法 91
4.4.2 问题分析与建模 92
4.4.3 路径规划结果 94
4.5 基于Astar算法的地形匹配路径规划 95
4.5.1 环境建模 95
4.5.2 算法的设计与实现 96
4.5.3 *优路径规划方法实现流程 97
参考文献 98
5 地形匹配单元的组建 99
5.1 实时海底地形的获取与建模 99
5.1.1 单波束测深数据建模 99
5.1.2 多波束测深数据建模 101
5.1.3 DVL测深数据建模 104
5.1.4 实时测深数据的选择模式 105
5.2 局部海底数字地形的插值重构 107
5.2.1 地形插值重构模型分析 107
5.2.2 双线性插值 109
5.2.3 基于分形补偿的双线性插值 111
5.2.4 海底地形插值重构精度统计特性 116
5.2.5 基于索引的快速插值策略 118
5.3 搜索区域的选择 120
5.4 参考水深偏差的消除 122
参考文献 123
6 海底地形匹配导航算法 125
6.1 地形匹配导航算法的分类 125
6.2 地形匹配搜索定位算法 126
6.2.1 参数估计算法 126
6.2.2 脉冲耦合神经网络算法 136
6.2.3 ICP算法 142
6.2.4 节点信息融合算法 147
6.2.5 搜索定位的有效性判定 155
6.3 地形匹配导航滤波算法 158
6.3.1 地形匹配导航的贝叶斯滤波模型 158
6.3.2 基于扩展卡尔曼滤波的地形匹配导航 160
6.3.3 基于无迹卡尔曼滤波的地形匹配导航 162
6.3.4 基于粒子滤波的地形匹配导航 165
6.3.5 基于高斯和滤波的地形匹配导航 173
6.3.6 基于点群滤波的地形匹配导航 177
6.4 海底地形匹配导航算法研究的发展方向 182
参考文献 183
7 海底地形辅助导航系统 185
7.1 地形匹配导航对导航系统的修正方式 185
7.2 海底地形匹配导航的误差分析 188
7.2.1 实时地形获取误差 188
7.2.2 匹配算法误差 189
7.3 定位-跟踪模式的地形匹配导航策略 189
7.3.1 搜索定位规划点的设置 191
7.3.2 基于定位-跟踪模式的地形匹配导航流程 191
7.4 AUV海底地形辅助导航系统 192
7.4.1 硬件系统 192
7.4.2 导航系统体系结构 193
7.5 AUV海底地形辅助导航仿真系统 194
7.5.1 载体运动模块建模 195
7.5.2 参考导航模块建模 196
7.5.3 地形测量模块建模 197
7.5.4 仿真管理模块设计 197
7.5.5 仿真实验 199
参考文献 202
索引 203
彩图
在线试读：
1 绪论
21世纪是海洋的世纪，人类利用和开发海洋的重要工具——智能水下机器人（autonomous underwater vehicle，AUV）受到各海洋强国的广泛重视，得到越来越深入的研究。AUV可应用于海底地形地貌探测、海洋环境监测、海底生物和矿产资源的勘测采样、海洋工程维护、小型沉物打捞等[1-5]。
在AUV的各个子系统中，导航系统的精度和可靠性直接关系到 AUV是否能够顺利完成预定任务并安全返回，因此，构建精确、可靠、自主的导航系统一直是 AUV研究的一个重要内容和关键技术 [6-8]。
1.1 AUV水下导航技术
导航技术是指通过确定载体的位姿信息，并引导载体沿一定航线从空间的一点运动到另一点的技术 [9]。大气层内的智能载体通常依靠无线电、扩频通信和全球定位系统（global positioning system，GPS）进行导航定位。由于高频信号在水下环境中会快速衰减，以及 AUV载体本身的特性，AUV水下导航并不能照搬大气层内智能载体的导航方法。根据导航所采用传感器的不同，常用于 AUV的水下导航技术可根据图1.1所示进行分类[10，11]。
从图1.1中可以看出，AUV所使用的水下导航技术大致可分为三类：惯性/航位推算导航、水声学导航、地球物理导航。
1. 惯性/航位推算导航
惯性导航系统（inertial navigation system，INS）通过对加速度计获取的数据和陀螺仪数据进行两次积分，解算出当前的位置信息。近年来惯性导航的研究热点集中在融合多普勒测速仪 [12]（Doppler velocity log，DVL）、差分全球定位系统 [13] （differential global positioning system，DGPS）、卡尔曼滤波器，与 INS形成组合导航系统，或者对导航数据进行神经网络处理，并利用海流等外部数据消除海洋环境对导航的干扰[14]，提高惯性导航的精度。
图1.1 水下导航技术分类
航位推算（dead reckoning，DR）导航通过对罗经和多普勒速度计获取的数据进行积分，解算出当前位置信息[15，16]。哈尔滨工程大学的万磊等[17]和孙玉山等[18]提出 AUV导航所使用的航位推算导航系统，验证采用 DVL和光纤罗经进行 AUV航位推算的可能性，并进行嵌入式集成研究，形成一套完整的航位推算系统。张强等 [19]和冯子龙等[20]设计了融合航位推算和 GPS的低成本的容错组合导航系统，进一步提高了航位推算的精度。
惯性导航和航位推算导航不需要外部传感器的支持，导航推算所需的数据全部由自身携带的传感器获得，且短时间内导航精度较高，是大部分 AUV采用的导航方式。但随时间累积，长时间水下航行会产生较大的累积误差，必须定期利用外部信息对其进行校准。人们通常采用的方法是 AUV定期上浮接收 GPS信号作为新的修正参考值。但采用这种修正方式有很大缺陷：AUV频繁上浮会消耗大量能源，不利于 AUV长时间深水作业，且复杂的近水面环境对于 AUV也是一个巨大威胁。
2. 水声学导航
水声学导航是基于测量声学信号的传播时间，从声学信标获取或者对信号进行解算得到位置信息进行导航，主要包括长基线（long baseline，LBL）、短基线（short baseline，SBL）、超短基线（ultra short baseline，USBL）三种水声学导航定位方法。蒋新松和封锡盛两位院士及王棣棠的专著《水下机器人》里详细介绍了水声学导航定位的原理、实现过程和应用范围。近年来水声学导航的研究热点是如何提高水声学导航的应用范围和如何合理布置基阵等，其中一个方案是将 DGPS和水声学导航结合，直接给 AUV提供经纬度坐标，或者将惯性导航、船位推算分别与声学导航结合来进行容错导航[21-24]。
在声学基阵的作用范围内，水声学导航是*可靠、精度*高的 AUV水下导航定位方法，且不存在累积误差。但水声学导航需要预先在 AUV工作海域或支持母船上布置声学基阵，需要较大的支持体系，成本高且导航范围受限，不能满足 AUV独立执行作业任务的要求。
3. 地球物理导航
地球物理导航是利用外部环境信息做参考的导航技术，常用的外部环境信息包括水下光学图像、地磁场、重力场、海底地形等。地球物理导航通过利用相应传感器采集 AUV附近的地球物理信息，与基准数据库中相应区域的先验信息做对比，从而得到 AUV当前的位置信息 [25，26]。地球物理导航具有全天候、无源性、无累积误差且不易受外界干扰的特点，近年来地球物理导航成为各国水下导航方法的研究热点。基于光视觉的景象匹配定位精度高，但由于光信号在水下环境中传播距离短，其只能应用于某些场合的末端精确定位。地磁场、重力场匹配导航由于受到测量方法和测量精度等因素的限制，在现阶段很难应用于实践。随着多波束测深系统的发展，高精度的海底地形测量成为可能，因此，采用海底地形匹配导航（seabed terrain matching navigation，STMN）可以满足 AUV水下精确导航定位的需求。AUV采用海底地形匹配导航只依靠自身搭载的地形测量传感器，不需要上浮修正，不存在累积误差，可长时间水下导航定位，并满足 AUV“长期、全天候、高精度”的导航要求。因此，近年来海底地形匹配导航受到了世界各海洋强国的广泛重视，并取得了长足发展[27-32]。
1.2 地形匹配导航原理
地形匹配导航技术出现于20世纪70年代，并在战斗机、巡航导弹等武器系统中取得了成功的应用，具有独立自主、不受恶劣天气影响等优点 [33]。广义上讲，地形匹配技术包括地形高度匹配技术（terrain elevation matching，TEM）和景象匹配区域相关（scene matching area correlator，SMAC）算法等。
获取飞行器在飞越区域内的地形图像，并和存储的基准特征图像进行比较，通过景象匹配区域相关算法推算出飞行器的精确位置，这就是基于 SMAC的地形匹配。基于 SMAC的地形匹配并不基于地形高度的起伏，而是通过利用地面可辨认的线性特征进行精确定位，因此，其在平坦地形区域内的定位效果较好。由于地面的线性特征并不是连续分布的，SMAC并不能实现连续匹配定位，其通常应用于飞行器的末端制导，定位精度极高。但是由于海底地形可辨认特征较少，很难采用 SMAC算法得到较高的匹配精度，海底地形匹配一般指地形高度匹配。
TEM的主要思想是通过测量飞行器下方的地形高度信息，并和参考地形高程数据库进行比较，从而推算出飞行器的位置信息。与 SMAC不同，TEM采用的主要是地形高程信息，基准地形高程数据库可通过大地形测量得到，对测绘能力的要求较低。TEM技术主要应用于中制导，定位精度较低。狭义的地形匹配技术特指地形高度匹配技术。下面对飞行器地形高度匹配的基本原理进行介绍。
如图1.2所示，当飞行器在飞越规划地形适配区域时，利用雷达高度计测量飞行器正下方的离地高度，并利用气压计得到飞行器所处位置的海拔高度，从而得到飞行器下方的地形高程值。将实时测量的地形高程值与参考地形高程数据库中的数据进行相关处理，从而得到飞行器当前的位置信息。考虑到参考地形高程数据库中可能有多个位置的高程数据与实时测量值相近，这样一个地形高程的测量值就不能满足需要，因此，为了得到真正的匹配位置，需要沿飞行器飞行路径连续测量多个高程值，同时利用参考导航系统对匹配区域进行限定，从而确保地形匹配估计位置的**性[34，35]。
图1.2 地形匹配的原理示意图
与飞行器的地形匹配类似，当 AUV在穿越地形适配区时，利用声学高度计（acoustic altimeter）、DVL、多波束声呐等测深传感器测量 AUV下方的测点深度，并与压力传感器所得到的深度值相加得到 AUV所在位置处的水深（地形高程值）。利用实时测量的地形高程值，通过地形匹配算法在预先存储的参考地形高程数据库中确定*佳匹配位置。海底地形匹配导航系统可以看成是 AUV水下导航系统的一个修正模块，给导航系统提供位置修正方案。与 GPS信号类似，海底地形匹配导航系统所提供的位置信息可以与 AUV搭载的其他导航系统的导航信息进行融合。另外，海底地形匹配导航也可以作为独立的位置更新来源。对于 AUV水下导航系统来说，海底地形匹配导航可以使导航系统具有更好的可靠性。对水面舰船的导航系统来说，当 GPS失效时，利用海底地形匹配进行导航也是一个很好的选择。
1.3 AUV海底地形匹配导航技术的研究现状
出于商业上的潜在价值，20世纪 90年代以来，海底地形匹配导航得到了快速的发展，世界上在 AUV研究领域处于领先的多个组织和研究机构都开展了相关的研究，并进行了海底地形匹配的海中实验。在海底地形匹配导航研究中处于领先地位的有挪威国防研究中心、瑞典皇家工学院、美国蒙特雷湾海洋研究所、英国南安普顿大学和日本东京大学等。
（1）作为****的 AUV开发和生产机构，挪威国防研究中心研究设计了 HUGIN系列 AUV，其广泛应用于军事和民用领域。同时，利用 HUGIN作为载体，地形匹配导航也被深入研究。项目组首先研发了 Terrlab地形匹配仿真系统，对海底地形匹配方法进行“回放式仿真”研究。所谓“回放式仿真”，是指在离线状态下将多波束等传感器实时测量数据进行再次读取和数据后处理工作。在经过大量仿真实验后，利用 HUGIN作为载体 AUV，挪威国防研究中心在 2009年和 2010年各进行了一次海中实验，验证了海底地形匹配导航的实用性 [28，36-42]。2009年的海中实验是在开放海域的全程水下“穿越”航行实验，在 50km水下航行过程中，HUGIN所有的导航位置信息均由地形匹配定位系统提供，由支持母船上的声学定位系统记录的位置作为参考定位，在到达目标海域后，地形匹配定位的误差约 4m，远低于 INS理论上 50～100m的定位误差。在 2010年的海中实验过程中，HUGIN所搭载的多波束测深系统突然损坏，为了不影响实验的进行，临时采用 DVL作为海底地形测量设备（图1.3）。经过 5小时的水下航行，地形匹配定位结果与 GPS 信号之间的误差为 5m。挪威国防研究中心多年的研究取得了许多有益的成果，在海底地形匹配导航的研究中具有重要的参考意义。
（2）瑞典皇家工学院的 Nygren教授带领的团队建造了 AUV62F和 Sapphires两种型号的 AUV。AUV62F用于长时间的水下探测和海底地形测绘。为了让这两种型号的 AUV都能够实现不依赖上浮修正的水下作业，Nygren团队也对海底地形匹配方法进行了研究[27，43-47]。AUV62F和 Sapphires使用的地形匹配导航系统软件相同，地形匹配时均采用相关性的方法，其差别在于 AUV62F使用多波束测深系统进行地形测量，Sapphires 使用合成孔径声呐进行地形测量。海中实验时，Nygren团队在 65km的规划航路上选择 1、2、2C、2B、3、4、5、5B、6B、7共 10个点作为地形匹配点。两者的实验定位误差均小于 10m，如图1.4所示。
（a）HUGIN 1000 AUV （b）地形匹配导航系统
图1.3 海试中的 HUGIN 1000 AUV及其地形匹配导航系统（见书后彩图）
（a）Saab公司的 AUV62F水下机器人（b）地形匹配实验中的规划航路
图1.4 AUV62F及其在地形匹配实验中的规划航路（见书后彩图）
（3）基于Autosub 6000 AUV平台，英国南安普顿大学也进行了一系列海底地形匹配导航研究工作 [30，48]。研究团队利用多波束测深系统得到一个条带状的海底地形作为参考地形，然后令 Autosub 6000航行方向与参考地形垂直，当 Autosub 6000穿越条带状参考地形时进行地形匹配定位，并修正导航系统的误差（图1.5）。根据海中实验得到的数据，研究团队对海底地形匹配导航误差产生的原因进行分析，并讨论将海底地形匹配导航应用于 AUV导航时可能存在的不足。
定价：118.0
ISBN：9787508854779
作者：李晔等
版次：1
出版时间：2018-11
内容提要：
本书系统地阐述了智能水下机器人海底地形匹配导航的发展与应用，全书共7章，内容主要包括绪论、海底地形匹配导航技术概述、先验数字地形的生成方法、海底地形特征表述与路径规划、地形匹配单元的组建、海底地形匹配导航算法及海底地形辅助导航系统。内容基本上覆盖了智能水下机器人地形匹配技术知识专题及发展动向。
目录：
目录
丛书前言一
丛书前言二
前言
1 绪论 1
1.1 AUV水下导航技术 1
1.2 地形匹配导航原理 3
1.3 AUV海底地形匹配导航技术的研究现状 5
参考文献 9
2 海底地形匹配导航技术概述 13
2.1 海底地形匹配导航系统的组成 13
2.1.1 参考导航单元 13
2.1.2 地形测量单元 14
2.1.3 地形匹配单元 16
2.2 海底地形匹配导航模型 17
2.2.1 状态空间模型 17
2.2.2 数字地形模型 18
2.2.3 影响海底地形匹配定位性能的因素 18
2.3 典型的地形匹配方法 19
2.3.1 基于扩展卡尔曼滤波的地形匹配方法 20
2.3.2 基于相关性的地形匹配方法 21
2.3.3 基于直接概率准则的地形匹配方法 22
2.4 海底地形匹配的特殊性和关键技术 23
2.4.1 飞行器地形匹配导航和AUV海底地形匹配导航的比较 23
2.4.2 不同地形测量传感器在海底地形匹配导航中的特点与优势 24
2.4.3 海底地形匹配的关键技术 26
参考文献 26
3 先验数字地形的生成方法 29
3.1 多波束测深系统构成及原理 29
3.1.1 多波束测深系统构成 29
3.1.2 多波束测深原理 30
3.1.3 GeoSwath Plus相干型多波束测深系统 31
3.2 多波束测深数据处理原理和流程 33
3.2.1 声线的追踪与补偿 33
3.2.2 海底归位处理 36
3.2.3 多波束测深数据处理流程 36
3.3 多波束测深数据的滤波方法 37
3.3.1 多波束测深数据滤波的基本原则 38
3.3.2 基于动态聚类的单ping滤波方法 40
3.3.3 基于Alpha-Shapes模型的单ping滤波方法 47
3.3.4 基于强跟踪卡尔曼滤波的单ping滤波方法 51
3.4 先验数字地形的生成 57
3.4.1 测深数据的空间归位 57
3.4.2 测深数据的网格化处理 58
3.4.3 先验数字地形的存储模型 63
参考文献 66
4 海底地形特征表述与路径规划 68
4.1 海底地形特征的表述 68
4.1.1 地形高程标准差 69
4.1.2 地形信噪比 70
4.1.3 地形费希尔信息量 71
4.1.4 地形高程熵 72
4.1.5 地形高程绝对值粗糙度 74
4.1.6 局部地形相关系数与相关长度 74
4.1.7 局部地形平均坡度及坡度方差 75
4.2 基于改进人工势场法的地形匹配路径规划 76
4.2.1 改进人工势场法 76
4.2.2 *优路径搜索方案 78
4.2.3 路径规划结果 79
4.3 基于扇形搜索的地形匹配路径规划 80
4.3.1 适配区域的扇形搜索方法 81
4.3.2 扇形搜索方法的开角分析 82
4.3.3 目标点处限制线 85
4.3.4 目标点前的适配区域选择 87
4.3.5 引入临界高程熵的路径优化 89
4.3.6 路径规划结果 90
4.4 基于粒子群优化算法的地形匹配路径规划 91
4.4.1 粒子群优化算法 91
4.4.2 问题分析与建模 92
4.4.3 路径规划结果 94
4.5 基于Astar算法的地形匹配路径规划 95
4.5.1 环境建模 95
4.5.2 算法的设计与实现 96
4.5.3 *优路径规划方法实现流程 97
参考文献 98
5 地形匹配单元的组建 99
5.1 实时海底地形的获取与建模 99
5.1.1 单波束测深数据建模 99
5.1.2 多波束测深数据建模 101
5.1.3 DVL测深数据建模 104
5.1.4 实时测深数据的选择模式 105
5.2 局部海底数字地形的插值重构 107
5.2.1 地形插值重构模型分析 107
5.2.2 双线性插值 109
5.2.3 基于分形补偿的双线性插值 111
5.2.4 海底地形插值重构精度统计特性 116
5.2.5 基于索引的快速插值策略 118
5.3 搜索区域的选择 120
5.4 参考水深偏差的消除 122
参考文献 123
6 海底地形匹配导航算法 125
6.1 地形匹配导航算法的分类 125
6.2 地形匹配搜索定位算法 126
6.2.1 参数估计算法 126
6.2.2 脉冲耦合神经网络算法 136
6.2.3 ICP算法 142
6.2.4 节点信息融合算法 147
6.2.5 搜索定位的有效性判定 155
6.3 地形匹配导航滤波算法 158
6.3.1 地形匹配导航的贝叶斯滤波模型 158
6.3.2 基于扩展卡尔曼滤波的地形匹配导航 160
6.3.3 基于无迹卡尔曼滤波的地形匹配导航 162
6.3.4 基于粒子滤波的地形匹配导航 165
6.3.5 基于高斯和滤波的地形匹配导航 173
6.3.6 基于点群滤波的地形匹配导航 177
6.4 海底地形匹配导航算法研究的发展方向 182
参考文献 183
7 海底地形辅助导航系统 185
7.1 地形匹配导航对导航系统的修正方式 185
7.2 海底地形匹配导航的误差分析 188
7.2.1 实时地形获取误差 188
7.2.2 匹配算法误差 189
7.3 定位-跟踪模式的地形匹配导航策略 189
7.3.1 搜索定位规划点的设置 191
7.3.2 基于定位-跟踪模式的地形匹配导航流程 191
7.4 AUV海底地形辅助导航系统 192
7.4.1 硬件系统 192
7.4.2 导航系统体系结构 193
7.5 AUV海底地形辅助导航仿真系统 194
7.5.1 载体运动模块建模 195
7.5.2 参考导航模块建模 196
7.5.3 地形测量模块建模 197
7.5.4 仿真管理模块设计 197
7.5.5 仿真实验 199
参考文献 202
索引 203
彩图
在线试读：
1 绪论
21世纪是海洋的世纪，人类利用和开发海洋的重要工具——智能水下机器人（autonomous underwater vehicle，AUV）受到各海洋强国的广泛重视，得到越来越深入的研究。AUV可应用于海底地形地貌探测、海洋环境监测、海底生物和矿产资源的勘测采样、海洋工程维护、小型沉物打捞等[1-5]。
在AUV的各个子系统中，导航系统的精度和可靠性直接关系到 AUV是否能够顺利完成预定任务并安全返回，因此，构建精确、可靠、自主的导航系统一直是 AUV研究的一个重要内容和关键技术 [6-8]。
1.1 AUV水下导航技术
导航技术是指通过确定载体的位姿信息，并引导载体沿一定航线从空间的一点运动到另一点的技术 [9]。大气层内的智能载体通常依靠无线电、扩频通信和全球定位系统（global positioning system，GPS）进行导航定位。由于高频信号在水下环境中会快速衰减，以及 AUV载体本身的特性，AUV水下导航并不能照搬大气层内智能载体的导航方法。根据导航所采用传感器的不同，常用于 AUV的水下导航技术可根据图1.1所示进行分类[10，11]。
从图1.1中可以看出，AUV所使用的水下导航技术大致可分为三类：惯性/航位推算导航、水声学导航、地球物理导航。
1. 惯性/航位推算导航
惯性导航系统（inertial navigation system，INS）通过对加速度计获取的数据和陀螺仪数据进行两次积分，解算出当前的位置信息。近年来惯性导航的研究热点集中在融合多普勒测速仪 [12]（Doppler velocity log，DVL）、差分全球定位系统 [13] （differential global positioning system，DGPS）、卡尔曼滤波器，与 INS形成组合导航系统，或者对导航数据进行神经网络处理，并利用海流等外部数据消除海洋环境对导航的干扰[14]，提高惯性导航的精度。
图1.1 水下导航技术分类
航位推算（dead reckoning，DR）导航通过对罗经和多普勒速度计获取的数据进行积分，解算出当前位置信息[15，16]。哈尔滨工程大学的万磊等[17]和孙玉山等[18]提出 AUV导航所使用的航位推算导航系统，验证采用 DVL和光纤罗经进行 AUV航位推算的可能性，并进行嵌入式集成研究，形成一套完整的航位推算系统。张强等 [19]和冯子龙等[20]设计了融合航位推算和 GPS的低成本的容错组合导航系统，进一步提高了航位推算的精度。
惯性导航和航位推算导航不需要外部传感器的支持，导航推算所需的数据全部由自身携带的传感器获得，且短时间内导航精度较高，是大部分 AUV采用的导航方式。但随时间累积，长时间水下航行会产生较大的累积误差，必须定期利用外部信息对其进行校准。人们通常采用的方法是 AUV定期上浮接收 GPS信号作为新的修正参考值。但采用这种修正方式有很大缺陷：AUV频繁上浮会消耗大量能源，不利于 AUV长时间深水作业，且复杂的近水面环境对于 AUV也是一个巨大威胁。
2. 水声学导航
水声学导航是基于测量声学信号的传播时间，从声学信标获取或者对信号进行解算得到位置信息进行导航，主要包括长基线（long baseline，LBL）、短基线（short baseline，SBL）、超短基线（ultra short baseline，USBL）三种水声学导航定位方法。蒋新松和封锡盛两位院士及王棣棠的专著《水下机器人》里详细介绍了水声学导航定位的原理、实现过程和应用范围。近年来水声学导航的研究热点是如何提高水声学导航的应用范围和如何合理布置基阵等，其中一个方案是将 DGPS和水声学导航结合，直接给 AUV提供经纬度坐标，或者将惯性导航、船位推算分别与声学导航结合来进行容错导航[21-24]。
在声学基阵的作用范围内，水声学导航是*可靠、精度*高的 AUV水下导航定位方法，且不存在累积误差。但水声学导航需要预先在 AUV工作海域或支持母船上布置声学基阵，需要较大的支持体系，成本高且导航范围受限，不能满足 AUV独立执行作业任务的要求。
3. 地球物理导航
地球物理导航是利用外部环境信息做参考的导航技术，常用的外部环境信息包括水下光学图像、地磁场、重力场、海底地形等。地球物理导航通过利用相应传感器采集 AUV附近的地球物理信息，与基准数据库中相应区域的先验信息做对比，从而得到 AUV当前的位置信息 [25，26]。地球物理导航具有全天候、无源性、无累积误差且不易受外界干扰的特点，近年来地球物理导航成为各国水下导航方法的研究热点。基于光视觉的景象匹配定位精度高，但由于光信号在水下环境中传播距离短，其只能应用于某些场合的末端精确定位。地磁场、重力场匹配导航由于受到测量方法和测量精度等因素的限制，在现阶段很难应用于实践。随着多波束测深系统的发展，高精度的海底地形测量成为可能，因此，采用海底地形匹配导航（seabed terrain matching navigation，STMN）可以满足 AUV水下精确导航定位的需求。AUV采用海底地形匹配导航只依靠自身搭载的地形测量传感器，不需要上浮修正，不存在累积误差，可长时间水下导航定位，并满足 AUV“长期、全天候、高精度”的导航要求。因此，近年来海底地形匹配导航受到了世界各海洋强国的广泛重视，并取得了长足发展[27-32]。
1.2 地形匹配导航原理
地形匹配导航技术出现于20世纪70年代，并在战斗机、巡航导弹等武器系统中取得了成功的应用，具有独立自主、不受恶劣天气影响等优点 [33]。广义上讲，地形匹配技术包括地形高度匹配技术（terrain elevation matching，TEM）和景象匹配区域相关（scene matching area correlator，SMAC）算法等。
获取飞行器在飞越区域内的地形图像，并和存储的基准特征图像进行比较，通过景象匹配区域相关算法推算出飞行器的精确位置，这就是基于 SMAC的地形匹配。基于 SMAC的地形匹配并不基于地形高度的起伏，而是通过利用地面可辨认的线性特征进行精确定位，因此，其在平坦地形区域内的定位效果较好。由于地面的线性特征并不是连续分布的，SMAC并不能实现连续匹配定位，其通常应用于飞行器的末端制导，定位精度极高。但是由于海底地形可辨认特征较少，很难采用 SMAC算法得到较高的匹配精度，海底地形匹配一般指地形高度匹配。
TEM的主要思想是通过测量飞行器下方的地形高度信息，并和参考地形高程数据库进行比较，从而推算出飞行器的位置信息。与 SMAC不同，TEM采用的主要是地形高程信息，基准地形高程数据库可通过大地形测量得到，对测绘能力的要求较低。TEM技术主要应用于中制导，定位精度较低。狭义的地形匹配技术特指地形高度匹配技术。下面对飞行器地形高度匹配的基本原理进行介绍。
如图1.2所示，当飞行器在飞越规划地形适配区域时，利用雷达高度计测量飞行器正下方的离地高度，并利用气压计得到飞行器所处位置的海拔高度，从而得到飞行器下方的地形高程值。将实时测量的地形高程值与参考地形高程数据库中的数据进行相关处理，从而得到飞行器当前的位置信息。考虑到参考地形高程数据库中可能有多个位置的高程数据与实时测量值相近，这样一个地形高程的测量值就不能满足需要，因此，为了得到真正的匹配位置，需要沿飞行器飞行路径连续测量多个高程值，同时利用参考导航系统对匹配区域进行限定，从而确保地形匹配估计位置的**性[34，35]。
图1.2 地形匹配的原理示意图
与飞行器的地形匹配类似，当 AUV在穿越地形适配区时，利用声学高度计（acoustic altimeter）、DVL、多波束声呐等测深传感器测量 AUV下方的测点深度，并与压力传感器所得到的深度值相加得到 AUV所在位置处的水深（地形高程值）。利用实时测量的地形高程值，通过地形匹配算法在预先存储的参考地形高程数据库中确定*佳匹配位置。海底地形匹配导航系统可以看成是 AUV水下导航系统的一个修正模块，给导航系统提供位置修正方案。与 GPS信号类似，海底地形匹配导航系统所提供的位置信息可以与 AUV搭载的其他导航系统的导航信息进行融合。另外，海底地形匹配导航也可以作为独立的位置更新来源。对于 AUV水下导航系统来说，海底地形匹配导航可以使导航系统具有更好的可靠性。对水面舰船的导航系统来说，当 GPS失效时，利用海底地形匹配进行导航也是一个很好的选择。
1.3 AUV海底地形匹配导航技术的研究现状
出于商业上的潜在价值，20世纪 90年代以来，海底地形匹配导航得到了快速的发展，世界上在 AUV研究领域处于领先的多个组织和研究机构都开展了相关的研究，并进行了海底地形匹配的海中实验。在海底地形匹配导航研究中处于领先地位的有挪威国防研究中心、瑞典皇家工学院、美国蒙特雷湾海洋研究所、英国南安普顿大学和日本东京大学等。
（1）作为****的 AUV开发和生产机构，挪威国防研究中心研究设计了 HUGIN系列 AUV，其广泛应用于军事和民用领域。同时，利用 HUGIN作为载体，地形匹配导航也被深入研究。项目组首先研发了 Terrlab地形匹配仿真系统，对海底地形匹配方法进行“回放式仿真”研究。所谓“回放式仿真”，是指在离线状态下将多波束等传感器实时测量数据进行再次读取和数据后处理工作。在经过大量仿真实验后，利用 HUGIN作为载体 AUV，挪威国防研究中心在 2009年和 2010年各进行了一次海中实验，验证了海底地形匹配导航的实用性 [28，36-42]。2009年的海中实验是在开放海域的全程水下“穿越”航行实验，在 50km水下航行过程中，HUGIN所有的导航位置信息均由地形匹配定位系统提供，由支持母船上的声学定位系统记录的位置作为参考定位，在到达目标海域后，地形匹配定位的误差约 4m，远低于 INS理论上 50～100m的定位误差。在 2010年的海中实验过程中，HUGIN所搭载的多波束测深系统突然损坏，为了不影响实验的进行，临时采用 DVL作为海底地形测量设备（图1.3）。经过 5小时的水下航行，地形匹配定位结果与 GPS 信号之间的误差为 5m。挪威国防研究中心多年的研究取得了许多有益的成果，在海底地形匹配导航的研究中具有重要的参考意义。
（2）瑞典皇家工学院的 Nygren教授带领的团队建造了 AUV62F和 Sapphires两种型号的 AUV。AUV62F用于长时间的水下探测和海底地形测绘。为了让这两种型号的 AUV都能够实现不依赖上浮修正的水下作业，Nygren团队也对海底地形匹配方法进行了研究[27，43-47]。AUV62F和 Sapphires使用的地形匹配导航系统软件相同，地形匹配时均采用相关性的方法，其差别在于 AUV62F使用多波束测深系统进行地形测量，Sapphires 使用合成孔径声呐进行地形测量。海中实验时，Nygren团队在 65km的规划航路上选择 1、2、2C、2B、3、4、5、5B、6B、7共 10个点作为地形匹配点。两者的实验定位误差均小于 10m，如图1.4所示。
（a）HUGIN 1000 AUV （b）地形匹配导航系统
图1.3 海试中的 HUGIN 1000 AUV及其地形匹配导航系统（见书后彩图）
（a）Saab公司的 AUV62F水下机器人（b）地形匹配实验中的规划航路
图1.4 AUV62F及其在地形匹配实验中的规划航路（见书后彩图）
（3）基于Autosub 6000 AUV平台，英国南安普顿大学也进行了一系列海底地形匹配导航研究工作 [30，48]。研究团队利用多波束测深系统得到一个条带状的海底地形作为参考地形，然后令 Autosub 6000航行方向与参考地形垂直，当 Autosub 6000穿越条带状参考地形时进行地形匹配定位，并修正导航系统的误差（图1.5）。根据海中实验得到的数据，研究团队对海底地形匹配导航误差产生的原因进行分析，并讨论将海底地形匹配导航应用于 AUV导航时可能存在的不足。