水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位與軌跡預(yù)測(cè)技術(shù)研究進(jìn)展

郭瑛 張瑞 牛龍生 紀(jì)平

摘要：在水下無線傳感器網(wǎng)絡(luò)的應(yīng)用中，如果傳感器節(jié)點(diǎn)的位置未知，傳感器節(jié)點(diǎn)所感知的信息便失去了意義，節(jié)點(diǎn)定位和軌跡預(yù)測(cè)是水下傳感器網(wǎng)絡(luò)研究的關(guān)鍵技術(shù)。闡述了水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位與軌跡預(yù)測(cè)技術(shù)，在簡介水聲通信特點(diǎn)的基礎(chǔ)上，分類介紹了較為經(jīng)典的水下節(jié)點(diǎn)定位算法和軌跡預(yù)測(cè)技術(shù)，并對(duì)人工智能相關(guān)的定位算法進(jìn)行了闡述，隨后對(duì)這些算法進(jìn)行了對(duì)比和分析。最后，展望了水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位和軌跡預(yù)測(cè)技術(shù)的研究前景與發(fā)展趨勢(shì)。

關(guān)鍵詞：水下傳感器網(wǎng)絡(luò);節(jié)點(diǎn)定位;軌跡預(yù)測(cè);測(cè)距;人工智能

中圖分類號(hào)：TP301.6???????? 文獻(xiàn)標(biāo)志碼：A

全球70%的面積被海洋所覆蓋，對(duì)海洋資源的探測(cè)、開發(fā)和利用一直是各國研究者關(guān)注的焦點(diǎn)[1]。水下傳感器網(wǎng)絡(luò)（Underwater Senor Network， UWSNs）是一種有許多具備計(jì)算與通信能力的傳感器節(jié)點(diǎn)構(gòu)成的水下網(wǎng)絡(luò)系統(tǒng)，可以實(shí)現(xiàn)諸多其他技術(shù)尚不可行或難以實(shí)施的應(yīng)用。如水下污染檢測(cè)、資源勘探[2-3]、海洋學(xué)信息收集、生態(tài)監(jiān)測(cè)、水下軍事追蹤和商業(yè)運(yùn)作等領(lǐng)域[4-5]，其日漸成為當(dāng)前研究的熱點(diǎn)[6]。在水下傳感器網(wǎng)絡(luò)的應(yīng)用中，傳感器所獲得的數(shù)據(jù)必須與地理位置結(jié)合起來才具有實(shí)際意義[7-9]，例如在水下救援打撈時(shí)，必須首先確定目標(biāo)的位置信息才能開展水下救援工作。水下節(jié)點(diǎn)會(huì)隨水流移動(dòng)，離開部署區(qū)域，在定位的同時(shí)，還要對(duì)水下節(jié)點(diǎn)的位置進(jìn)行預(yù)測(cè)。因此，水下節(jié)點(diǎn)定位和軌跡預(yù)測(cè)是UWSNs中極具實(shí)用價(jià)值的重要研究問題。由于水聲通信的特殊性，水下不可使用GPS等定位工具[10]，這使得已有的陸地定位技術(shù)不可以直接應(yīng)用于水下領(lǐng)域;水下信道帶寬較低[11]，誤碼率高、多徑效應(yīng)顯著;節(jié)點(diǎn)會(huì)隨水流移動(dòng)，導(dǎo)致網(wǎng)絡(luò)連通性發(fā)生變化;水下節(jié)點(diǎn)資源受限，通信開銷高、計(jì)算量大的協(xié)議不適合在水下使用，正是由于水聲通信的這些特點(diǎn)使得水下節(jié)點(diǎn)的定位和軌跡預(yù)測(cè)變得困難，需要針對(duì)水聲通信的特點(diǎn)研究出合適的新技術(shù)[12]。本文介紹了水下節(jié)點(diǎn)定位和軌跡預(yù)測(cè)技術(shù)的研究現(xiàn)狀，論述了水下節(jié)點(diǎn)定位技術(shù)的特點(diǎn)和分類;將現(xiàn)有的一些經(jīng)典算法按照是否測(cè)距等標(biāo)準(zhǔn)進(jìn)行了分類，將基于測(cè)距的定位算法分為固定錨節(jié)點(diǎn)和移動(dòng)錨節(jié)點(diǎn)兩類;闡述了現(xiàn)有的水下節(jié)點(diǎn)軌跡預(yù)測(cè)技術(shù);介紹了當(dāng)下比較熱門的機(jī)器學(xué)習(xí)及其在水下定位領(lǐng)域的應(yīng)用;同時(shí)對(duì)比分析了一些經(jīng)典算法進(jìn)行了對(duì)比分析;最后，展望了節(jié)點(diǎn)定位和軌跡預(yù)測(cè)技術(shù)的未來發(fā)展方向。

1 水下節(jié)點(diǎn)定位技術(shù)概述與分類

UWSNs主要由以下四部分構(gòu)成：遙控?zé)o人潛水器（Remote Operated Vehicle， ROV）、自主式水下航行器（Autonomous Underwater Vehicle， AUV）、動(dòng)態(tài)節(jié)點(diǎn)與靜態(tài)節(jié)點(diǎn)。其中，動(dòng)態(tài)節(jié)點(diǎn)主要由各種潛水器組成;靜態(tài)節(jié)點(diǎn)主要由各種潛、浮標(biāo)組成[13]。在UWSNs中，按照功能可將傳感器節(jié)點(diǎn)劃分為錨節(jié)點(diǎn)、未知節(jié)點(diǎn)和參考節(jié)點(diǎn)三類[14-15]。其中，未知節(jié)點(diǎn)用于采集環(huán)境數(shù)據(jù);錨節(jié)點(diǎn)可以輔助完成對(duì)目標(biāo)節(jié)點(diǎn)的定位;參考節(jié)點(diǎn)則由錨節(jié)點(diǎn)與已定位的未知節(jié)點(diǎn)組成。UWSNs節(jié)點(diǎn)定位的目標(biāo)是利用有限的資源，依據(jù)定位算法高效而準(zhǔn)確地完成對(duì)目標(biāo)節(jié)點(diǎn)的定位。

水下環(huán)境較為復(fù)雜，無線射頻信號(hào)在水下存在衰減率較高的問題，這就不能使用衛(wèi)星實(shí)現(xiàn)類似GPS的定位[16]。在UWSNs中，聲學(xué)通信系統(tǒng)可傳輸范圍更廣，但也存在以下幾點(diǎn)限制[17]：

（1） 低帶寬和高延遲。聲波傳輸速率遠(yuǎn)小于電磁波的傳輸速率，并且在水下環(huán)境中，聲信號(hào)可用的通信帶寬較小[18-20];

（2） UWSNs動(dòng)態(tài)性。與陸上傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)不同，在UWSNs中，大多數(shù)的傳感器節(jié)點(diǎn)會(huì)跟隨水流發(fā)生移動(dòng)，只有一小部分節(jié)點(diǎn)被固定在海底或者是用浮標(biāo)固定在水面。節(jié)點(diǎn)的移動(dòng)使節(jié)點(diǎn)鄰居隨時(shí)可能改變，這使定位算法的設(shè)計(jì)變得困難[21-22];

（3） 高誤碼率。水下信道存在系統(tǒng)誤碼率高以及時(shí)延不穩(wěn)定等問題，造成這一問題的主要原因是受水下噪聲、多普勒效應(yīng)等諸多因素的影響。所以，數(shù)據(jù)在水聲信道傳輸時(shí)，極易出現(xiàn)失真的情況，并且，水下環(huán)境惡劣，節(jié)點(diǎn)極易損壞[23];

（4） 三維結(jié)構(gòu)。與陸地傳感器網(wǎng)絡(luò)的二維結(jié)構(gòu)不同，UWSNs是三維的，需要額外的定位資源來完成對(duì)水下節(jié)點(diǎn)的定位[24]。

由于以上這些約束的存在，使得水下節(jié)點(diǎn)定位變得極具挑戰(zhàn)性，很多現(xiàn)有的陸上定位算法無法直接應(yīng)用于水下，需對(duì)水下獨(dú)特的聲傳播環(huán)境進(jìn)行單獨(dú)研究[25-26]。

目前，已經(jīng)提出了很多適用于水下無線傳感器網(wǎng)絡(luò)的定位算法，在文獻(xiàn)[27]中將水下定位算法分為兩類，第一類是分布式定位算法，算法收集信息后，每個(gè)未知節(jié)點(diǎn)分別計(jì)算自己的位置;第二類是集中式定位算法，位置計(jì)算的過程不在未知節(jié)點(diǎn)而是在基站或匯聚節(jié)點(diǎn)。定位算法還可以分為基于估計(jì)和預(yù)測(cè)的兩種，前者是指使用傳感器中當(dāng)前已知信息來計(jì)算節(jié)點(diǎn)位置的算法;后者通過利用節(jié)點(diǎn)前一段時(shí)間計(jì)算得到的位置信息以及當(dāng)前的位置信息來預(yù)測(cè)下一個(gè)時(shí)間點(diǎn)節(jié)點(diǎn)可能的位置。在文獻(xiàn)[28]、[29]中，根據(jù)定位過程中是否需要測(cè)距將定位算法分為兩類：無需測(cè)距和基于測(cè)距的定位算法。二者相比，無需測(cè)距的算法定位精度較低，只可完成對(duì)節(jié)點(diǎn)的粗略定位。在UWSNs中廣泛使用的算法大多屬于基于測(cè)距的定位算法。

2 水下節(jié)點(diǎn)定位算法

本節(jié)主要按照無需測(cè)距和基于測(cè)距的分類方式對(duì)現(xiàn)有算法進(jìn)行介紹。不同的節(jié)點(diǎn)之間具有一定的連通性，無需測(cè)距算法正是利用這一特性完成定位任務(wù);基于測(cè)距的定位算法通過測(cè)距設(shè)備，測(cè)量節(jié)點(diǎn)間的距離，隨后對(duì)未知節(jié)點(diǎn)進(jìn)行定位，與前者相比，節(jié)點(diǎn)成本與功耗有所增加，但定位精度更高[30]。

2.1 無需測(cè)距（Range-free）的節(jié)點(diǎn)定位算法

大部分無需測(cè)距的定位算法僅僅通過諸如網(wǎng)絡(luò)連通性之類的信息來估計(jì)節(jié)點(diǎn)的位置，而不需要了解節(jié)點(diǎn)之間的距離或是角度信息。此類算法僅提供節(jié)點(diǎn)的粗略位置，定位精度不高[31]。

目前，大多數(shù)定位方案集中在靜態(tài)網(wǎng)絡(luò)上，且部分存在定位精度低、開銷大等問題，針對(duì)這些問題，文獻(xiàn)[32]中提出了一種具有多跳移動(dòng)水下聲網(wǎng)絡(luò)的混合定位算法，在該算法中，網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)分為若干層級(jí)，并且每個(gè)層級(jí)都有不同的定位操作，不僅可以提高定位精度，還可以有效地降低通信成本。

然而，對(duì)于大型的無線傳感器網(wǎng)絡(luò)，準(zhǔn)確的定位每個(gè)傳感器節(jié)點(diǎn)的位置成本較高。為了降低定位能耗，采用二維多功率區(qū)域定位算法（2D-Area-Based Localization Scheme，2D-ALS）[33]，這是一種基于估計(jì)的集中式水下節(jié)點(diǎn)定位算法，僅要求判斷每個(gè)傳感器節(jié)點(diǎn)所在的區(qū)域，進(jìn)而估算未知節(jié)點(diǎn)的位置。該算法可以減少傳感器的消耗，并可以大幅提升網(wǎng)絡(luò)的使用壽命。但是也有一定的不足，如錨節(jié)點(diǎn)冗余會(huì)額外增加成本，并且未對(duì)三維空間的計(jì)算做出考慮。

為解決2D-ALS存在的不適合三維空間和錨節(jié)點(diǎn)冗余問題，文獻(xiàn)[34]提出了三維多功率區(qū)域定位算法（3D Multi-power area localization scheme， 3D-MALS）。3D-MALS主要依靠錨節(jié)點(diǎn)所帶有的新型移動(dòng)可拆卸升降收發(fā)器在上升和下降時(shí)發(fā)送、接收信號(hào)，從而計(jì)算傳感器節(jié)點(diǎn)的位置。該算法不僅繼承了2D-ALS的優(yōu)點(diǎn)，還顯著降低了定位誤差，提高了可拓展性。

基于估計(jì)的低能耗定位算法（3D Low-cost range-free localization scheme， 3D-LRLS）[35]與3D-MALS、2D-ALS類似，3D-LRLS也屬于基于估計(jì)的定位算法一類，利用錨節(jié)點(diǎn)發(fā)射不同功率信號(hào)來判斷定位區(qū)域進(jìn)而再進(jìn)一步估算。不同之處在于計(jì)算待測(cè)節(jié)點(diǎn)的時(shí)候，3D-LRLS會(huì)對(duì)錨節(jié)點(diǎn)所處不同的位置情況進(jìn)行分析，根據(jù)不同的水下深度提出信號(hào)損失模型，這樣使得計(jì)算模型更加完善，大大提升了定位精度。

文獻(xiàn)[36]提出了UDB（Using Directional Beacon）算法，AUV在不同的位置廣播其坐標(biāo)，當(dāng)接收到來自三個(gè)以上非共線AUV位置的信息時(shí)，水下節(jié)點(diǎn)橫向估計(jì)自己的位置。由于AUV速度較慢，在定位過程中存在較大的延遲，這也是UDB在靜態(tài)UWSNs上比動(dòng)態(tài)UWSNs更有用的原因。。

UDB是一個(gè)二維定位算法，為將UDB擴(kuò)展到稀疏三維水下環(huán)境，提出了一種新的定向信標(biāo)定位方案（Localization with Directional Beacons，LDB），將AUV作為錨節(jié)點(diǎn)，AUV上裝有收發(fā)器，發(fā)射錐形定向聲波，在一段時(shí)間之后沿設(shè)定好的軌跡運(yùn)動(dòng)，并向未知節(jié)點(diǎn)發(fā)送錨節(jié)點(diǎn)的位置信息[37]。傳感器節(jié)點(diǎn)在收到兩個(gè)及以上的AUV位置信息之后，計(jì)算出節(jié)點(diǎn)在預(yù)設(shè)深度的二維位置。UDB和LDB都利用了定向水聲換能器的信號(hào)傳播特性實(shí)現(xiàn)模糊定位和精確定位，可以滿足多種應(yīng)用需求，從理論上分析，二者僅需一個(gè)AUV便可以很好地完成全部的定位任務(wù)。

相比于LDB和UDB，文獻(xiàn)[38]中提出的多面體質(zhì)心定位算法不需要AUV或者是升降浮標(biāo)，因此可以大幅度地降低定位成本。當(dāng)未知節(jié)點(diǎn)接收到的不同信標(biāo)節(jié)點(diǎn)數(shù)達(dá)到閾值m時(shí)，計(jì)算由這m個(gè)頂點(diǎn)組成的多面體的質(zhì)心，并將其作為自己的位置，已定位的節(jié)點(diǎn)可以充作新的錨節(jié)點(diǎn)。該算法還通過使用重定位、周期性更新與預(yù)測(cè)、網(wǎng)絡(luò)密度自適應(yīng)等多種優(yōu)化方案以進(jìn)一步提升定位的準(zhǔn)確度。

在無需測(cè)距的定位算法中，也有不依靠不同信號(hào)發(fā)射功率估算位置的方法，例如，固定信號(hào)發(fā)射功率的算法，使用安裝在船上的錨節(jié)點(diǎn)在巡航時(shí)發(fā)射的信號(hào)，待測(cè)節(jié)點(diǎn)根據(jù)信號(hào)范圍的邊界交點(diǎn)來計(jì)算自身所在的位置[39]。這類算法在大規(guī)模的水下傳感器網(wǎng)絡(luò)中比較有優(yōu)勢(shì)，但是由于信號(hào)是周期性發(fā)射，所以邊界交點(diǎn)并不一定在邊界附近，導(dǎo)致了定位精度的不穩(wěn)定。

SLUM（Silent Localization of Underwater Sensors Using Magnetometers）算法[40]利用一艘具有已知靜態(tài)磁化特性的船只，對(duì)配備有三軸磁力計(jì)的水下傳感器進(jìn)行無聲定位，每個(gè)傳感器還分別配備了用于深度估計(jì)和傳感器方向估計(jì)的壓力傳感器和加速度計(jì)。據(jù)提出者介紹，這是首次將磁偶極子跟蹤應(yīng)用于傳感器定位領(lǐng)域。

基于移動(dòng)信標(biāo)（Range-free localization scheme with a mobile beacon， RSMB）的無需距離定位方案由兩步組成：從接收到的信標(biāo)中選擇三個(gè)信標(biāo);估計(jì)未知節(jié)點(diǎn)的位置。移動(dòng)錨節(jié)點(diǎn)在海面上以恒定的速度移動(dòng)，定期廣播信標(biāo)，并以一系列直線路徑移動(dòng)到隨機(jī)目的地，未知節(jié)點(diǎn)安裝有壓力傳感器，以獲取深度信息。未知節(jié)點(diǎn)可以從移動(dòng)錨節(jié)點(diǎn)接收五個(gè)信標(biāo)，由于未知節(jié)點(diǎn)知道自己的深度信息，因此接收到的信標(biāo)可以投射到它所在的平面上，進(jìn)而再對(duì)未知節(jié)點(diǎn)進(jìn)行定位[41]。

無需測(cè)距的定位算法不需額外的測(cè)距設(shè)備，部署簡單、成本低廉，應(yīng)用廣泛。但該類算法定位精準(zhǔn)度較低，不適合對(duì)定位精度要求較高的場(chǎng)合[42]。因此，大部分對(duì)定位精度要求較高的應(yīng)用場(chǎng)合選擇了基于測(cè)距的定位算法。

2.2 基于測(cè)距（Range-based）的定位算法

基于測(cè)距（Range-based）的定位算法，通過附加的測(cè)距儀器測(cè)量節(jié)點(diǎn)間的距離，然后定位未知節(jié)點(diǎn)[19]。定位過程包括三部分，首先在測(cè)距階段測(cè)量未知節(jié)點(diǎn)和信標(biāo)節(jié)點(diǎn)之間的距離;然后在定位階段完成對(duì)未知節(jié)點(diǎn)的定位，計(jì)算出未知節(jié)點(diǎn)的坐標(biāo);最后在修正階段提高未知節(jié)點(diǎn)的坐標(biāo)精度[43]。根據(jù)錨節(jié)點(diǎn)的部署方式，基于測(cè)距的定位算法細(xì)分為兩種：基于固定錨節(jié)點(diǎn)和移動(dòng)錨節(jié)點(diǎn)的定位算法。

2.2.1 測(cè)距技術(shù) 常用的測(cè)距技術(shù)參數(shù)包括：到達(dá)時(shí)間（ToA，Time of Arrival）[44-45]、到達(dá)時(shí)間差（TDoA，Time Difference of Arrival）[46]、接收信號(hào)強(qiáng)度指示（RSSI，Received Signal Strength Indicator）[28]、到達(dá)角度（AoA，Angle of Arrival）[47]。

在陸上的無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位技術(shù)中，AoA、RSSI、ToA和TDoA技術(shù)已趨于成熟，但是，由于水聲信道的特殊性，這些測(cè)距技術(shù)不能直接應(yīng)用于水下無線傳感器網(wǎng)絡(luò)。其中，AoA雖結(jié)構(gòu)簡單，但要求配有定向傳輸/接收設(shè)備，這會(huì)產(chǎn)生極高的額外成本[48];相比之下，RSSI簡單、易用，所以在陸上無線傳感器網(wǎng)絡(luò)定位算法中RSSI技術(shù)得到廣泛應(yīng)用，但容易受到近岸潮汐噪聲、行駛船噪聲等因素干擾[49];TDoA需要時(shí)間同步，在水下很難實(shí)現(xiàn)[50]。表1比較了常見的幾種測(cè)距技術(shù)。

水下的實(shí)際環(huán)境較為復(fù)雜、介質(zhì)多樣、多徑散射嚴(yán)重，導(dǎo)致信號(hào)在水下傳播過程中延遲高、衰減迅速，不是所有的測(cè)距方法都適用于UWSNs。水下設(shè)備容易損壞，維護(hù)困難，水下節(jié)點(diǎn)定位最好選用硬件要求低的測(cè)距算法。在基于測(cè)距的定位算法中[51]，最常用的技術(shù)是ToA與TDOA算法。對(duì)于大型UWSN，通信開銷的大小也是選擇測(cè)距算法的一個(gè)重要指標(biāo)，有些測(cè)距算法僅適用于近程測(cè)距，例如AOA、RSSI測(cè)距算法。

2.2.2 基于固定錨節(jié)點(diǎn)定位算法 在基于固定錨節(jié)點(diǎn)的測(cè)距定位算法中，錨節(jié)點(diǎn)被固定在網(wǎng)絡(luò)中的某個(gè)位置給未知節(jié)點(diǎn)提供位置參照。

移動(dòng)受限信標(biāo)的定位算法（Mobility-constrained Beacon based Localization Algorithm， MCB）[52]是基于移動(dòng)受限模型提出的，可以在不了解信標(biāo)節(jié)點(diǎn)確切位置的前提下，通過節(jié)點(diǎn)位置之間的幾何關(guān)系計(jì)算目標(biāo)節(jié)點(diǎn)的位置。水下節(jié)點(diǎn)資源極其珍貴，通過將三維空間映射到二維空間的手段，如圖1所示，使得節(jié)點(diǎn)的計(jì)算量大幅降低并且降低了計(jì)算復(fù)雜度。

水下定位機(jī)制（Underwater Positioning Scheme，UPS）[53]與MCB不同，由四個(gè)錨節(jié)點(diǎn)所發(fā)送的實(shí)時(shí)信標(biāo)信號(hào)用于定位未知節(jié)點(diǎn)，TDOA用于節(jié)點(diǎn)間測(cè)距。UPS機(jī)制只使用了4個(gè)錨節(jié)點(diǎn)進(jìn)行節(jié)點(diǎn)定位，節(jié)點(diǎn)定位的覆蓋范圍較小，不適合大型水下網(wǎng)絡(luò)。由于參與定位的錨節(jié)點(diǎn)個(gè)數(shù)較少，對(duì)于錨節(jié)點(diǎn)間的配合度要求較嚴(yán)格，當(dāng)某一錨節(jié)點(diǎn)信息接收失敗時(shí)，很難成功完成定位，對(duì)錨節(jié)點(diǎn)的通信距離也有更高的要求。

針對(duì)UPS中出現(xiàn)的區(qū)域不可行問題，文獻(xiàn)[54]探討了UPS的擴(kuò)展版本，稱為寬覆蓋定位（Wide Coverage Positioning System，WPS）算法，WPS中使用了五個(gè)參考節(jié)點(diǎn)。只有在無法通過四個(gè)參考節(jié)點(diǎn)完成定位任務(wù)時(shí)才使用從第五個(gè)參考節(jié)點(diǎn)傳出的信標(biāo)，以避免額外的等待時(shí)間和通信開銷。由于UPS存在定位覆蓋率不高的問題，文獻(xiàn)[55]提出了一種大型水下網(wǎng)絡(luò)定位機(jī)制（Large-Scale Localization Scheme，LSLS），LSLS在UPS的基礎(chǔ)上進(jìn)行了延伸。定位時(shí)，找到錨節(jié)點(diǎn)，采用UPS用于定位未知節(jié)點(diǎn);將已定位的節(jié)點(diǎn)當(dāng)作參考節(jié)點(diǎn)，對(duì)未定位節(jié)點(diǎn)進(jìn)行迭代定位;對(duì)經(jīng)過第一、二步后還未定位的節(jié)點(diǎn)進(jìn)行補(bǔ)充定位過程，未知節(jié)點(diǎn)發(fā)起定位請(qǐng)求，已定位的節(jié)點(diǎn)接收到請(qǐng)求之后，將自身轉(zhuǎn)為參考節(jié)點(diǎn)以實(shí)現(xiàn)對(duì)于未知節(jié)點(diǎn)的定位。

LSLS仍然存在定位精度較低的問題，文獻(xiàn)[51]提出了一種測(cè)距修正的定位算法（Range Correction based localization algorithm，RCL），通過測(cè)距得到信標(biāo)和節(jié)點(diǎn)間的距離獲得節(jié)點(diǎn)的粗略位置，再利用節(jié)點(diǎn)位置間的幾何關(guān)系修正測(cè)距誤差，計(jì)算得到節(jié)點(diǎn)的準(zhǔn)確位置，這種方法適用于大多數(shù)的定位算法，可以提高定位精度。如果水下部署節(jié)點(diǎn)稀疏，會(huì)導(dǎo)致信標(biāo)節(jié)點(diǎn)不足，針對(duì)這一問題，根據(jù)水下節(jié)點(diǎn)在海流影響下的移動(dòng)規(guī)律，設(shè)計(jì)了慣性協(xié)同定位算法（Inertial coordination localization algorithm，ICL），在不基于全局信息和原始測(cè)量的情況下，根據(jù)慣性導(dǎo)航定位數(shù)據(jù)結(jié)合鄰居節(jié)點(diǎn)的運(yùn)動(dòng)信息得到節(jié)點(diǎn)的位置。

在多數(shù)水下定位算法的研究中，通過利用坐標(biāo)投影的方式，將三維空間定位問題降維處理可以大幅降低計(jì)算復(fù)雜度[56]，如果是在二維平面內(nèi)，每個(gè)節(jié)點(diǎn)都與三個(gè)以上不共線的信標(biāo)節(jié)點(diǎn)聯(lián)通，可以將定位問題簡化為三角計(jì)算問題。例如，水下節(jié)點(diǎn)定位（Underwater Sensor Positioning， USP）[56]算法便是應(yīng)用了這種方案以解決三維空間定位問題的。USP主要應(yīng)用場(chǎng)景是具有三個(gè)及三個(gè)以上錨節(jié)點(diǎn)的相對(duì)稀疏的三維UWSNs，錨點(diǎn)位于浮標(biāo)上，并且浮標(biāo)需要GPS定位。利用未知節(jié)點(diǎn)上的壓力傳感器獲取深度信息后，將三維空間定位問題轉(zhuǎn)換為二維空間定位問題，如圖2所示，A、B和C是圖中的錨節(jié)點(diǎn)，A′、B′和C′分別是A、B和C投射到未知節(jié)點(diǎn)U所在平面上所得，然后用三邊定位法計(jì)算出U的位置信息。

同樣，文獻(xiàn)[57]提出的基于簇結(jié)構(gòu)（Multidimensional scaling localization algorithm through clustering and Euclidean， MDS-MAP）的多維尺度定位算法，也是一種二維的定位方案，采用ToA測(cè)距并且需要時(shí)鐘同步。將整個(gè)UWSNs劃分為多個(gè)簇集，在每個(gè)簇集內(nèi)使用歐幾里得算法進(jìn)行兩跳鄰居距離的估計(jì)以及MDS建立局部坐標(biāo)關(guān)系，通過簇集間的公共節(jié)點(diǎn)將局部連成一個(gè)整體。最后通過水面浮標(biāo)將上述過程得到的相對(duì)坐標(biāo)轉(zhuǎn)化為絕對(duì)坐標(biāo)。此算法利用歐幾里得算法，解決了距離估計(jì)不準(zhǔn)確的問題。

在多數(shù)UWSNs的應(yīng)用中，為防止水下節(jié)點(diǎn)被海水沖走，傳感器節(jié)點(diǎn)通過線纜與錨連接，如圖3所示。錨重量較大，沉入海底后，靜止在海底，而與之相連的傳感器節(jié)點(diǎn)漂浮在水中，隨海流運(yùn)動(dòng)。也就是說，節(jié)點(diǎn)可以在一定范圍內(nèi)移動(dòng)，是活動(dòng)受限的節(jié)點(diǎn)[58]。基于水下節(jié)點(diǎn)活動(dòng)受限的特點(diǎn)，三維水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法LAR（Localization for active-restricted UWSN）[58]采用分層定位的方式找到節(jié)點(diǎn)的位置，依據(jù)節(jié)點(diǎn)在水下的移動(dòng)特點(diǎn)，設(shè)計(jì)了動(dòng)態(tài)環(huán)境下的補(bǔ)償機(jī)制。

RFL（Restricted floating localization）算法[59]在節(jié)點(diǎn)受限移動(dòng)的基礎(chǔ)上，結(jié)合移動(dòng)信標(biāo)的位置信息，求取錨節(jié)點(diǎn)的位置信息，通過多次計(jì)算中值減小誤差。隨后，利用錨節(jié)點(diǎn)與移動(dòng)信標(biāo)的位置來對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行定位。文獻(xiàn)[60]提出的無錨定位算法（Anchor-Free Localization Algorithm，AFLA），也是利用了節(jié)點(diǎn)在水下受限移動(dòng)的特性。在這種方案中，沒有部署錨節(jié)點(diǎn)。傳感器節(jié)點(diǎn)通過海底電纜連接到固定錨，節(jié)點(diǎn)的活動(dòng)受到限制，是一種自定位算法，利用相鄰節(jié)點(diǎn)之間的關(guān)系進(jìn)行位置估計(jì)，考慮了節(jié)點(diǎn)移動(dòng)性，適用于靜態(tài)和動(dòng)態(tài)環(huán)境。

水下節(jié)點(diǎn)定位算法常用的是基于圓的檢測(cè)和基于最小二乘的位置估計(jì)方法，文獻(xiàn)[61]提出了一種雙曲線定位（Hyperbola-based approach for event localization，HL）方法，并應(yīng)用在事件監(jiān)測(cè)上。與基于圓的方法相比，該方法對(duì)距離測(cè)量誤差具有更強(qiáng)的魯棒性，能夠定位更多的未知節(jié)點(diǎn)。通過兩條這樣的雙曲線可確定唯一的一個(gè)交點(diǎn)，很好地避免三邊定位三個(gè)圓產(chǎn)生多個(gè)交點(diǎn)的問題。

文獻(xiàn)[62]提出了一種基于置信度的大規(guī)模水下移動(dòng)傳感器網(wǎng)絡(luò)定位方案，是一種基于測(cè)距的分層定位方法。分層定位方法是用普通傳感器節(jié)點(diǎn)作為參考節(jié)點(diǎn)，用三邊測(cè)量法對(duì)相鄰節(jié)點(diǎn)進(jìn)行水下定位。在分層定位的基礎(chǔ)上，使用置信度值衡量各個(gè)傳感器節(jié)點(diǎn)的定位精度。如果節(jié)點(diǎn)的可靠性高于用戶確定的閾值，則將該節(jié)點(diǎn)提升為參考節(jié)點(diǎn)，參與對(duì)其他未知節(jié)點(diǎn)的定位，作用與水下的錨節(jié)點(diǎn)類似，這一特點(diǎn)明顯提升了整個(gè)傳感器網(wǎng)絡(luò)的定位精度。

大多數(shù)的分布式定位算法存在很多限制，比如收斂速度緩慢，通信開銷較大等，不適合應(yīng)用在規(guī)模較大的UWSNs中。文獻(xiàn)[63]提出的ARTL算法（Asymmetrical Round Trip-based Localization）利用TOA對(duì)未知節(jié)點(diǎn)與錨節(jié)點(diǎn)進(jìn)行測(cè)距，不需時(shí)間同步，具有極佳的拓展性，并且在能量消耗、計(jì)算復(fù)雜度方面也表現(xiàn)優(yōu)異，比較適合應(yīng)用在規(guī)模較大的UWSNs中，對(duì)精度要求較高的節(jié)點(diǎn)進(jìn)行定位。

PARADIGM算法（Portable Acoustic RADio Geo-referenced Monitoring）[64]是在GPS原理的基礎(chǔ)上，利用浮標(biāo)達(dá)到水聲定位目的，通過利用若干個(gè)水面浮標(biāo)和相對(duì)計(jì)算復(fù)雜度較低的三邊定位法來實(shí)現(xiàn)定位，可以對(duì)方圓20 km、水下17 m的AUV定位。

上述水下節(jié)點(diǎn)定位算法中，在保證定位精度的基礎(chǔ)上，如何做到降低定位開銷以及降低計(jì)算復(fù)雜度是當(dāng)前研究的主要方向。

2.2.3 基于移動(dòng)錨節(jié)點(diǎn)的測(cè)距定位算法? 在UWSNs中，錨節(jié)點(diǎn)成本高，覆蓋率低，使得部分機(jī)構(gòu)開始研究使用移動(dòng)錨節(jié)點(diǎn)的測(cè)距定位算法，也就是通過使用可移動(dòng)的錨節(jié)點(diǎn)來完成定位。

DNR（Localization with Dive'N'Rise）算法[65]利用可升降的自沉降錨節(jié)點(diǎn)進(jìn)行節(jié)點(diǎn)定位。在水面時(shí)，錨節(jié)點(diǎn)通過GPS獲取位置信息，隨后下潛再上升。DNR節(jié)點(diǎn)計(jì)算出在這一過程中的位置信息，并廣播出去。該算法不要求使用高密度的信標(biāo)節(jié)點(diǎn)，降低了節(jié)點(diǎn)部署的難度，節(jié)約了節(jié)點(diǎn)成本，但是信標(biāo)節(jié)點(diǎn)上需要額外配置潛水設(shè)備，通過對(duì)節(jié)點(diǎn)增加重力和釋放重力實(shí)現(xiàn)上浮和下沉，另外該算法要求精確的時(shí)間同步。該算法在理想環(huán)境下表現(xiàn)出的定位效果極好，但在實(shí)際的水下環(huán)境中，海水各層水的流速不同，存在一定的定位誤差。

多階段定位算法MSL（Multi-stage Localization）[66]是對(duì)DNR算法的進(jìn)一步延伸和拓展，都是利用信標(biāo)節(jié)點(diǎn)上浮和下沉過程中廣播的信息進(jìn)行節(jié)點(diǎn)定位。DNR算法使用的是迭代方法完成定位，將已定位的節(jié)點(diǎn)當(dāng)作活動(dòng)信標(biāo)節(jié)點(diǎn)，參與到其他未知節(jié)點(diǎn)的定位進(jìn)程中。MSL算法的測(cè)距技術(shù)也是使用的單程TOA技術(shù)，迭代的多階段定位考慮了水下節(jié)點(diǎn)的移動(dòng)性，提高了水下節(jié)點(diǎn)的利用率，減少了節(jié)點(diǎn)成本，通信開銷和傳播延遲低，但也需要精確的時(shí)間同步。

為了解決DNR布放費(fèi)用高的問題，文獻(xiàn)[67]提出了基于DET（Detachable Elevator Transceiver）的水聲傳感器網(wǎng)絡(luò)移動(dòng)錨節(jié)點(diǎn)定位算法。每個(gè)浮標(biāo)節(jié)點(diǎn)上都裝有DET裝置，使節(jié)點(diǎn)可以在水中自由做垂直于浮標(biāo)的上下運(yùn)動(dòng)。在運(yùn)送時(shí)，DET從浮標(biāo)節(jié)點(diǎn)獲取位置信息，將位置與深度信息通過廣播的方式傳給未知節(jié)點(diǎn)，未知節(jié)點(diǎn)接收到之后，利用其和浮標(biāo)節(jié)點(diǎn)、DET節(jié)點(diǎn)的距離完成定位過程。但是在實(shí)際應(yīng)用中，實(shí)現(xiàn)DET節(jié)點(diǎn)的完全垂直運(yùn)動(dòng)具有一定的難度。所以，文獻(xiàn)[68]選擇將位置精確的船舶作為信標(biāo)節(jié)點(diǎn)，分析水聲通信中傳播能量與節(jié)點(diǎn)距離的關(guān)系，根據(jù)水下節(jié)點(diǎn)在海流的作用下的移動(dòng)規(guī)律，設(shè)計(jì)了基于能量感知的海洋物聯(lián)網(wǎng)定位算法，該算法不僅用于靜態(tài)網(wǎng)絡(luò)，也用于動(dòng)態(tài)網(wǎng)絡(luò)，解決了水下信息傳輸距離估算誤差大，信標(biāo)節(jié)點(diǎn)難以精確部署和水下節(jié)點(diǎn)具有移動(dòng)性的問題?；谛D(zhuǎn)信標(biāo)的水下傳感器定位算法[69]在船舶下固定一個(gè)可以旋轉(zhuǎn)的信標(biāo)節(jié)點(diǎn)，該節(jié)點(diǎn)可以通過船舶的GPS得到自身的位置，并可以按照預(yù)定的軌跡旋轉(zhuǎn)并發(fā)出位置和角度信息，如圖4所示。水下節(jié)點(diǎn)收到該信息之后，計(jì)算得到自身的位置。

除了船舶，AUV也可以作為信標(biāo)節(jié)點(diǎn)，AAL（AUV-aided Localization）[70]算法就是利用AUV進(jìn)行節(jié)點(diǎn)定位。AUV漂浮在水面上時(shí)，通過GPS進(jìn)行定位，然后潛入固定深度，遵循預(yù)定的軌跡在未知的傳感器節(jié)點(diǎn)之間移動(dòng)并不斷廣播位置信息，采用雙向TOA技術(shù)[36]測(cè)量AUV與未知節(jié)點(diǎn)之間的距離，估算未知節(jié)點(diǎn)的位置。該方案不需要時(shí)間同步，定位過程持續(xù)的時(shí)間越長，定位成功率就越高，但是定位精度受到AUV移動(dòng)速度的影響且通信開銷較大。

為了進(jìn)一步降低通信成本，文獻(xiàn)[71]設(shè)計(jì)了一種概率定位方法，首先，對(duì)未知節(jié)點(diǎn)進(jìn)行定位，可以使用基于圓或者雙曲線的方法;然后，用測(cè)距儀的概率分布確定未知節(jié)點(diǎn)的位置。通過仿真結(jié)果可以看出該方法在降低通信成本的同時(shí)也使得定位精度進(jìn)一步提升。

相比于固定錨節(jié)點(diǎn)，使用移動(dòng)錨節(jié)點(diǎn)的定位算法存在錨節(jié)點(diǎn)少、覆蓋率高等優(yōu)點(diǎn)，且對(duì)網(wǎng)絡(luò)部署方式?jīng)]有過多要求，能有效降低錨節(jié)點(diǎn)部署費(fèi)用高、能量消耗大等因素對(duì)水下定位的影響，是當(dāng)下研究的熱點(diǎn)。

3 水下節(jié)點(diǎn)軌跡預(yù)測(cè)技術(shù)

水下節(jié)點(diǎn)會(huì)隨水流移動(dòng)，影響定位結(jié)果，目前這一問題研究成果相對(duì)較少。節(jié)點(diǎn)在水下運(yùn)動(dòng)存在時(shí)間相關(guān)性，也就是說，節(jié)點(diǎn)的運(yùn)動(dòng)是有規(guī)律的，可以選擇利用節(jié)點(diǎn)歷史位置信息來預(yù)測(cè)節(jié)點(diǎn)現(xiàn)在的坐標(biāo)。

基于移動(dòng)預(yù)測(cè)的可擴(kuò)展定位算法SLMP（Scalable Localization scheme with Mobility Prediction）[72]是一種使用水面浮標(biāo)、錨節(jié)點(diǎn)和公共節(jié)點(diǎn)的定位方法。SLMP可以分為兩步：錨節(jié)點(diǎn)定位、普通節(jié)點(diǎn)定位。節(jié)點(diǎn)利用已掌握的位置信息對(duì)其之后的移動(dòng)模式進(jìn)行預(yù)測(cè)，并在此基礎(chǔ)上估算未來的位置信息。已定位的錨節(jié)點(diǎn)控制整個(gè)定位過程，以便于在通信成本、定位精準(zhǔn)度、定位覆蓋范圍之間進(jìn)行權(quán)衡。

與SLMP不同，運(yùn)動(dòng)預(yù)測(cè)定位（Movement prediction location， MPL）算法[73]分為移動(dòng)預(yù)測(cè)和節(jié)點(diǎn)定位兩個(gè)階段。在節(jié)點(diǎn)定位階段，首先利用基于TOA的測(cè)距方法，以減少通信開銷和能耗。然后，在降維處理之后，使用灰狼優(yōu)化器查找位置精度較低的輔助節(jié)點(diǎn)的最佳位置。最后，獲得節(jié)點(diǎn)位置并進(jìn)入節(jié)點(diǎn)運(yùn)動(dòng)預(yù)測(cè)階段。在運(yùn)動(dòng)預(yù)測(cè)階段，根據(jù)節(jié)點(diǎn)運(yùn)動(dòng)模型對(duì)預(yù)測(cè)窗口中每個(gè)時(shí)間點(diǎn)的速度和位置進(jìn)行預(yù)測(cè)，完成水下定位。與SLMP相比，MPL算法具有更高的定位性能，有效地較少了網(wǎng)絡(luò)通信開銷并提高了定位精度。

協(xié)作定位法（Collaborative Localization，CL）[74]是一種基于預(yù)測(cè)、集中式定位算法，不使用錨節(jié)點(diǎn)，通信開銷較低，預(yù)設(shè)節(jié)點(diǎn)可在水中自由漂浮。但是，存在一些限制，例如對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的要求較高。該算法主要適用于柱狀深海環(huán)境中的數(shù)據(jù)收集，不適用于其他環(huán)境。此外，CL還要求頭節(jié)點(diǎn)與跟隨節(jié)點(diǎn)距離不能太遠(yuǎn)，如果二者距離過遠(yuǎn)，頭節(jié)點(diǎn)離開跟隨者節(jié)點(diǎn)的通信范圍后，會(huì)導(dǎo)致跟隨節(jié)點(diǎn)定位失敗。

文獻(xiàn)[75]設(shè)計(jì)了一種混合架構(gòu)，包括AUV、主動(dòng)和被動(dòng)傳感器節(jié)點(diǎn)，AUV充當(dāng)錨節(jié)點(diǎn)，為傳感器節(jié)點(diǎn)提供定位信息。為了消除異步時(shí)鐘的影響并補(bǔ)償傳感器節(jié)點(diǎn)的移動(dòng)性，為主動(dòng)和被動(dòng)傳感器節(jié)點(diǎn)提供了具有移動(dòng)性預(yù)測(cè)的異步定位方法。然后，將兩個(gè)定位優(yōu)化問題表述為使所有測(cè)量誤差之和最小。

在水下環(huán)境中，由于節(jié)點(diǎn)的移動(dòng)性，使得之前計(jì)算得到的節(jié)點(diǎn)坐標(biāo)會(huì)失效，反復(fù)計(jì)算節(jié)點(diǎn)位置，這使得節(jié)點(diǎn)能量消耗過大，大大縮短節(jié)點(diǎn)使用壽命，水下節(jié)點(diǎn)軌跡預(yù)測(cè)可以有效的解決這一問題。因此，在設(shè)計(jì)水下節(jié)點(diǎn)定位算法時(shí)，需要針對(duì)節(jié)點(diǎn)的移動(dòng)性設(shè)計(jì)合適的軌跡預(yù)測(cè)算法，以實(shí)現(xiàn)節(jié)點(diǎn)位置實(shí)時(shí)預(yù)測(cè)追蹤，平衡網(wǎng)絡(luò)能量消耗。

4 人工智能技術(shù)在水下節(jié)點(diǎn)定位領(lǐng)域的應(yīng)用

得益于硬件水平的提高與信號(hào)處理技術(shù)的進(jìn)步，使機(jī)器學(xué)習(xí)（Machine learning，ML）等人工智能技術(shù)被廣泛的應(yīng)用于各個(gè)領(lǐng)域[76-78]，也為水下節(jié)點(diǎn)定位技術(shù)提供了新的發(fā)展思路和方向。由于海洋環(huán)境因素的影響，導(dǎo)致在利用水聲信號(hào)傳播速率進(jìn)行測(cè)距時(shí)經(jīng)常會(huì)出現(xiàn)定位誤差，使得定位效果達(dá)不到預(yù)期標(biāo)準(zhǔn)。由于機(jī)器學(xué)習(xí)可以從數(shù)據(jù)中學(xué)習(xí)特征，且不需要聲音傳播模型，機(jī)器學(xué)習(xí)作為一種計(jì)算上可行且魯棒性強(qiáng)的方法，越來越多地被應(yīng)用于提供創(chuàng)新的定位解決方案并且可以大幅提升定位精度[79-87]。

TDOA聲傳感器陣列存在不小的定位誤差，所以在文獻(xiàn)[88]中，提出使用ML中的分類和回歸算法來減小誤差。首先通過近似最大似然算法，跟蹤聲學(xué)標(biāo)簽的位置。然后，通過使用集成分類樹，過濾掉誤差較大的數(shù)據(jù)點(diǎn)，最終得出結(jié)論，該方法對(duì)于深度方面的誤差減小效果及其明顯。

深度增強(qiáng)學(xué)習(xí)（Deep reinforcement learning，DRL）是近幾年的研究熱點(diǎn)，是一種新型機(jī)器學(xué)習(xí)算法框架。文獻(xiàn)[89]提出了一種基于DRL的定位估計(jì)器用于估計(jì)傳感器節(jié)點(diǎn)的位置，文獻(xiàn)中提出的定位方案可以有效地保護(hù)隱私信息，具有極強(qiáng)的魯棒性。DRL的最新進(jìn)展是利用深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks， DNN）強(qiáng)大的建模能力，使用聲學(xué)信號(hào)測(cè)量進(jìn)行定位，就像在其他通信信道中一樣[90]。例如，通過利用DNN，以利用接收到的聲壓級(jí)協(xié)方差矩陣進(jìn)行定位[91]。此種方法需要一個(gè)訓(xùn)練的過程，不需要傳感器之間的同步和主動(dòng)消息傳遞;不需要傳感器定位，也不需要對(duì)環(huán)境參數(shù)有詳細(xì)的先驗(yàn)知識(shí)，即，當(dāng)DNN方法學(xué)習(xí)聲學(xué)數(shù)據(jù)和聲源定位之間的映射時(shí)，可以被視為是無模型的。

近年來，大多數(shù)論文使用最大似然法或神經(jīng)網(wǎng)絡(luò)來校正測(cè)量的位置信息。事實(shí)上，如果定位算法不夠優(yōu)秀，位置校正算法就不會(huì)起到顯著的作用。目前關(guān)于此類的定位算法的研究較少，但不可否認(rèn)地是機(jī)器學(xué)習(xí)對(duì)于提升定位精度極有幫助，這為之后的研究提供了新思路。

5 算法分析與對(duì)比

本節(jié)歸納了一些經(jīng)典算法的基本屬性，如表2所示?？梢园l(fā)現(xiàn)，錨節(jié)點(diǎn)數(shù)量和數(shù)據(jù)傳輸頻率對(duì)定位的成功率和精度有很大影響;對(duì)于大多數(shù)定位算法，定位節(jié)點(diǎn)越多，成功定位的概率就越高;在動(dòng)態(tài)水環(huán)境下，提高錨節(jié)點(diǎn)更新率將顯著提高定位精度。

相比于需要測(cè)距的算法，無需測(cè)距的算法具有算法簡單、通信開銷低的優(yōu)點(diǎn)。此外，雖然單向測(cè)距比雙向測(cè)距能耗低，但是也存在一些局限性，例如需要解決時(shí)間同步問題。

通過對(duì)比集中式與分布式定位算法，不難發(fā)現(xiàn)，集中式定位算法對(duì)普通節(jié)點(diǎn)的計(jì)算能力要求不高;而分布式定位算法則要求普通節(jié)點(diǎn)具備一定的計(jì)算能力，適用于一些對(duì)于位置實(shí)時(shí)性要求較高的場(chǎng)合。

比較基于估計(jì)和基于預(yù)測(cè)的兩種定位算法，可以看出，在動(dòng)態(tài)水下環(huán)境中，基于預(yù)測(cè)的算法比基于估計(jì)的算法定位效果更好，還具有能耗低的優(yōu)點(diǎn)。但是基于預(yù)測(cè)的定位算法對(duì)節(jié)點(diǎn)在水下移動(dòng)模式的準(zhǔn)確度要求較高，如果移動(dòng)模式的準(zhǔn)確度過低，會(huì)使得定位效果大打折扣。所以，如何準(zhǔn)確獲得水下節(jié)點(diǎn)的運(yùn)動(dòng)模式仍然是亟待解決的問題。

6 結(jié)論

本文對(duì)水下節(jié)點(diǎn)定位與軌跡預(yù)測(cè)技術(shù)進(jìn)行了系統(tǒng)地介紹與分析，與其它測(cè)距技術(shù)相比，TOA更適合測(cè)量水下傳感器節(jié)點(diǎn)之間的距離;相比于固定錨節(jié)點(diǎn)，移動(dòng)錨節(jié)點(diǎn)成本更低、靈活性更好，是水下定位研究的一個(gè)熱門方向;實(shí)際的水下應(yīng)用中，會(huì)有諸多因素影響定位誤差，可以考慮通過建立定位誤差模型提高定位精度;由于水下節(jié)點(diǎn)的移動(dòng)性，反復(fù)計(jì)算節(jié)點(diǎn)位置會(huì)增大節(jié)點(diǎn)能量消耗，研究帶有節(jié)點(diǎn)軌跡預(yù)測(cè)的定位算法可以平衡網(wǎng)絡(luò)能量消耗并提升節(jié)點(diǎn)壽命;將人工智能應(yīng)用于水下節(jié)點(diǎn)定位領(lǐng)域，具備極大的應(yīng)用前景，可以解決水下聲信號(hào)在傳播過程中受環(huán)境因素影響導(dǎo)致聲速改變的問題，同時(shí)很大程度提升定位的精度，是當(dāng)下研究的熱點(diǎn)之一。盡管水下傳感器網(wǎng)絡(luò)相關(guān)技術(shù)面臨許多問題亟待解決，但隨著相關(guān)研究的深入，所取得的科研成果將會(huì)有力地支撐水下傳感器網(wǎng)絡(luò)投入使用并大規(guī)模推廣。

參考文獻(xiàn)

[1]YAN J， XU Z， LUO X， et al. Feedback-based target localization in underwater sensor networks： A multisensory fusion approach[J]. IEEE Transactions on Signal and Information Processing over Networks， 2018， 5（1）： 168-180.

[2]JAIN U， HUSSAIN M. Security mechanism for maritime territory and frontier surveillance in naval operations using wireless sensor networks[J]. Concurrency and Computation： Practice and Experience， 2021： e6300.

[3]劉妹琴，韓學(xué)艷，張森林，等. 基于水下傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤技術(shù)研究現(xiàn)狀與展望[J]. 自動(dòng)化學(xué)報(bào)， 2021， 47（2）： 235-251.

[4]JAVAID N， MAQSOOD H， WADOOD A， et al. A localization based cooperative routing protocol for underwater wireless sensor networks[J]. Mobile Information Systems， 2017， 2017：7954175.

[5]AWAN K M， SHAH P A， IQBAL K， et al. Underwater wireless sensor networks： A review of recent issues and challenges[J]. Wireless Communications and Mobile Computing， 2019， 2019：6470359.

[6]夏娜，聞心怡，杜華爭，等.基于水平集的圍獵式水下傳感器節(jié)點(diǎn)布置研究[J].計(jì)算機(jī)學(xué)報(bào)，2021，44（5）：1024-1036.

[7]郭忠文，羅漢江，洪鋒，等. 水下無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J]. 計(jì)算機(jī)研究與發(fā)展， 2010， 47（3）： 377-389.

[8]LIU F， CHEN H F， ZHANG L Y X， et al. Time-difference-of-arrival-based localization methods of underwater mobile nodes using multiple surface beacons[J]. IEEE Access， 2021， 9： 31712-31725.

[9]MRIDULA K M， AMEER P M. Localization under anchor node uncertainty for underwater acoustic sensor networks[J]. International Journal of Communication Systems， 2018， 31（2）： e3445.

[10] ULLAH I， SHENG G M， KAMAL M M， et al. A Survey on underwater localization， localization techniques and its algorithms[C]//3rd Annual International Conference on Electronics， Electrical Engineering and Information Science （EEEIS 2017）. Atlantis， 2017：252-259.

[11] ISLAM T， LEE Y K. A comprehensive survey of recent routing protocols for underwater acoustic sensor networks[J]. Sensors， 2019， 19（19）： 4256.

[12] PATEL Z D， RANA K. A Review on time synchronization free localization schemes in underwater wireless sensor networks[C]//2018 2nd International Conference on Trends in Electronics and Informatics （ICOEI）. Tirunelvelt， 2018： 330-335.

[13] FATTAH S， GANI A， AHMEDY I， et al. A survey on underwater wireless sensor networks： Requirements， taxonomy， recent advances， and open research challenges[J]. Sensors， 2020， 20（18）： 5393.

[14] 孫大軍，鄭翠娥，崔宏宇，等.水下傳感器網(wǎng)絡(luò)定位技術(shù)發(fā)展現(xiàn)狀及若干前沿問題[J].中國科學(xué)：信息科學(xué)，2018，48（9）：1121-1136.

[15] ZHAO H Y， YAN J， LUO X Y， et al. Privacy preserving solution for the asynchronous localization of underwater sensor networks[J].IEEE/CAA Journal of Automatica Sinica，2020，7（6）：1511-1527.

[16] TUNA G， GUNGOR V C. A survey on deployment techniques， localization algorithms， and research challenges for underwater acoustic sensor networks[J]. International Journal of Communication Systems， 2017， 30（17）： e3350.

[17] 朱劍，劉君，趙梅，等. UWSN中基于隨機(jī)游走模型的可靠路由算法研究[J].計(jì)算機(jī)學(xué)報(bào)，2016，39（5）：1007-1020.

[18] WALTER N， RAKESH N. SEE THROUGH approach for the solution to node mobility issue in underwater sensor network （UWSN）[C]//Proceedings of First International Conference on Smart System， Innovations and Computing. Springer， 2018： 19-29.

[19] SU X， ULLAH I， LIU X F， et al. A review of underwater localization techniques， algorithms， and challenges[J]. Journal of Sensors， 2020， 2020：6403161.

[20] HUANG J G， WANG H， HE C B， et al. Underwater acoustic communication and the general performance evaluation criteria[J]. Frontiers of Information Technology & Electronic Engineering， 2018， 19（8）： 951-971.

[21] APARICIO J， JIMNEZ A， LVAREZ F J， et al. Characterization of an underwater positioning system based on GPS surface nodes and encoded acoustic signals[J]. IEEE Transactions on Instrumentation and Measurement， 2016， 65（8）： 1773-1784.

[22] AHMED M， SALLEH M， CHANNA M I. Routing protocols based on node mobility for underwater wireless sensor network （UWSN）： A survey[J]. Journal of Network and Computer Applications， 2017， 78： 242-252.

[23] GOSWAMI M， KWON H M. Submillimeter wave communication versus millimeter wave communication[J]. Digital Communications and Networks， 2020， 6（1）： 64-74.

[24] WATFA M K， NSOULI T， AL-AYACHE M， et al. Reactive localization in underwater wireless sensor networks[C]//2010 Second International Conference on Computer and Network Technology. Bangkok， 2010： 244-248.

[25] YU X， CHU Y， JIANG F， et al. SVMs classification based two-side cross domain collaborative filtering by inferring intrinsic user and item features[J]. Knowledge-Based Systems， 2018， 141： 80-91.

[26] DAS A P， THAMPI S M. Fault-resilient localization for underwater sensor networks[J]. Ad Hoc Networks， 2017， 55： 132-142.

[27] EROL-KANTARCI M， MOUFTAH H T， OKTUG S. Localization techniques for underwater acoustic sensor networks[J]. IEEE Communications Magazine， 2010， 48（12）： 152-158.

[28] LI Y J， LU H M， LI K C， et al. Non-uniform de-scattering and de-blurring of underwater images[J]. Mobile Networks and Applications， 2018， 23（2）： 352-362.

[29] QU F Z， WANG S Y， WU Z H， et al. A survey of ranging algorithms and localization schemes in underwater acoustic sensor network[J]. China Communications， 2016， 13（3）： 66-81.

[30] 張正勇，梅順良.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位技術(shù)[J].計(jì)算機(jī)工程，2007（17）：4-6.

[31] HAN G J， QIAN A H， ZHANG C Y， et al. Localization algorithms in large-scale underwater acoustic sensor networks： A quantitative comparison[J]. International Journal of Distributed Sensor Networks， 2014， 10（3）： 379382.

[32] GAO J J， SHEN X H， WANG H Y. A hybrid localization algorithm for multi-hop mobile underwater acoustic networks[J]. Journal of Marine Science and Technology， 2017， 22（3）： 494-500.

[33] CHANDRASEKHAR V， SEAH W. An area localization scheme for underwater sensor networks[C]//Oceans 2006-Asia Pacific Conference，Singapore， 2006： 1-8.

[34] ZHOU Y， GU B J， CHEN K， et al. An range-free localization scheme for large scale underwater wireless sensor networks[J]. Journal of Shanghai Jiaotong University （Science）， 2009， 14（5）： 562-568.

[35] LU X L， LI D Y， HONG Y， et al. A Low-cost range-free localization scheme for three-dimensional underwater sensor networks[J]. Discrete Mathematics， Algorithms and Applications， 2013， 5（1）： 1350005.

[36] LUO H J， ZHAO Y Y， GUO Z W， et al. UDB： Using directional beacons for localization in underwater sensor networks[C]//14th Melboutne International Conference on Parallel and Distributed Systems. Melbactne， 2008： 551-558.

[37] LUO H J， GUO Z W， WEI D， et al. LDB： Localization with directional beacons for sparse 3D underwater acoustic sensor networks[J]. Journal of networks， 2010， 5（1）： 28-38.

[38] SHI Y， LIU H， ZHANG W Y， et al. Research on three-dimensional localization algorithm for WSN based on RSSI[C]//The International Conference on Cyber Security Intelligence and Analytics. Shenyang， 2019： 1048-1055.

[39] ZANDI R， KAMAREI M， AMIRI H. Underwater acoustic sensor network localization using four directional beams[C]//21st Iranian Conference on Electrical Engineering （ICEE）. Mashhad， 2013： 1-6.

[40] CALLMER J， SKOGLUND M， GUSTAFSSON F. Silent localization of underwater sensors using magnetometers[J]. Eurasip Journal on Advances in signal processing， 2010， 2010： 1-8.

[41] LEE S， KIM K. Localization with a mobile beacon in underwater sensor networks[J].Sensors，2012，12（5）：5486-5501.

[42] NEMER I， SHELTAMI T， SHAKSHUKI E， et al. Performance evaluation of range-free localization algorithms for wireless sensor networks[J]. Personal and Ubiquitous Computing， 2021， 25（1）： 177-203.

[43] HUANG M， WU S， LI Y. Research on location fingerprint based WiFi positioning algorithm[J]. Computer Science， 2017， 28（5）： 162-177.

[44] CHEON J， HWANG H， KIM D， et al. IEEE 802.15. 4 ZigBee-based time-of-arrival estimation for wireless sensor networks[J]. Sensors， 2016， 16（2）： 203.

[45] RAO K R， KUMAR T R， VENKATNARYANA C. Selection of anchor nodes in time of arrival for localization in wireless sensor networks[C]//International Conference on Soft Computing Systems. New Delhi， 2016： 45-57.

[46] ZHANG Y Q， WANG M T， TAN Z Y， et al. Design of wireless sensor network location algorithm based on TDOA[C]//IEEE 3rd Information Technology， Networking， Electronic and Automation Control Conference （ITNEC）. Chengdu， 2019： 70-75.

[47] WANG W J， BAI P， ZHOU Y， et al. Optimal configuration analysis of AOA localization and optimal heading angles generation method for UAV swarms[J]. IEEE Access， 2019， 7： 70117-70129.

[48] MARZIOLI P， FREZZA L， CURIAN F， et al. Experimental validation of VOR （VHF Omni Range） navigation system for stratospheric flight[J]. Acta Astronautica， 2021， 178： 423-431.

[49] XU T， HU Y C， ZHANG B B， et al. RSS-based sensor localization in underwater acoustic sensor networks[C]//2016 Shanghai International Conference on Acoustics， Speech and Signal Processing （ICASSP）. shanghai， 2016： 3906-3910.

[50] KONG J J， CUI J H， WU D P， et al. Building underwater ad-hoc networks and sensor networks for large scale real-time aquatic applications[C]// IEEE Military Communications Conference. Atlantic， 2005： 1535-1541.

[51] GUO Y， KANG X Y， HAN Q H， et al. A localization algorithm for underwater wireless sensor networks based on ranging correction and inertial coordination[J]. TIIS， 2019， 13（10）： 4971-4987.

[52] GUO Y， HAN Q H， KANG X Y. Underwater sensor networks localization based on mobility-constrained beacon[J]. Wireless Networks， 2020， 26（4）： 2585-2594.

[53] CHENG X Z， SHU H N， LIANG Q L， et al. Silent positioning in underwater acoustic sensor networks[J]. IEEE Transactions on Vehicular Technology， 2008， 57（3）： 1756-1766.

[54] TAN H P， GABOR A F， EU Z A， et al. A wide coverage positioning system （WPS） for underwater localization[C]//2010 IEEE International Conference on Communications. Cape Town， 2010： 1-5.

[55] CHENG W， THAELER A， CHENG X Z， et al. Time-synchronization free localization in large scale underwater acoustic sensor networks[C]//2009 29th IEEE International Conference on Distributed Computing Systems Workshops. Montreal， 2009： 80-87.

[56] TEYMORIAN A Y， CHENG W， MA L R， et al. 3D underwater sensor network localization[J]. IEEE Transactions on Mobile Computing， 2009， 8（12）： 1610-1621.

[57] CHEN H B， WANG D Q， YUAN F， et al. A MDS-based localization algorithm for underwater wireless sensor network[C]//MTS/IEEE Oceans Conference. San Diego， 2013： 1-5.

[58] 郭瑛. 活動(dòng)受限三維水下傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法[J]. Journal of Software， 2013， 24（1）： 33-40.

[59] 郭瑛，王進(jìn)新，韓清荷.受限浮動(dòng)水下傳感器網(wǎng)絡(luò)定位[J].工程科學(xué)與技術(shù)，2018，50（5）：183-188+215.

[60] GUO Y， LIU Y T. Localization for anchor-free underwater sensor networks[J]. Computers & Electrical Engineering， 2013， 39（6）： 1812-1821.

[61] BIAN T， VENKATESAN R， LI C. Design and evaluation of a new localization scheme for underwater acoustic sensor networks[C]//IEEE Global Telecommunications Conference. Honolulu， 2009： 1-5.

[62] SABRA A， FUNG W K， RADHAKRISHNA P. Confidence-based underwater localization scheme for large-scale mobile sensor networks[C]//OCEANS MTS/IEEE Charleston. Charleston， 2018： 1-6.

[63] STOJANOVIC M， BEAUJEAN P P J. Acoustic communication[M].Springer：Springer Handbook of Ocean Engineering， 2016.

[64] AUSTIN T C， STOKEY R P， SHARP K M. PARADIGM： A buoy-based system for AUV navigation and tracking[C]//OCEANS 2000 MTS/IEEE Conference and Exhibition. Providence， 2000： 935-938.

[65] EROL M， VIEIRA L F M， GERLA M. Localization with Dive'N'Rise （DNR） beacons for underwater acoustic sensor networks[C]//Second Workshop on Underwater Networks. 2007： 97-100.

[66] EROL M， VIEIRA L F M， CARUSO A， et al. Multi stage underwater sensor localization using mobile beacons[C]//2008 Second International Conference on Sensor Technologies and Applications （Sensorcomm 2008）. Cap Esterel， 2008： 710-714.

[67] ZHOU Y， CHEN K， HE J H， et al. A hierarchical localization scheme for large scale underwater wireless sensor networks[C]//11th IEEE International Conference on High Performance Computing and Communications. Korea Univ， 2009： 470-475.

[68] GUO Y， HAN Q H， WANG J X， et al. Energy-aware localization algorithm for ocean internet of things[J]. Sensor Review， 2018，38（2）：129-136.

[69] GUO Y， JI P， NIU L S. Single beacon rotating based node localization algorithm for underwater sensor networks[C]//China Conference on Wireless Sensor Networks. Singapore， 2020： 28-41.

[70] EROL M， VIEIRA L F M， GERLA M. AUV-aided localization for underwater sensor networks[C]// International Conference on Wireless Algorithms， Systems and Applications （WASA 2007）. Chicago， 2007： 44-54.

[71] BIAN T， VENKATESAN R， LI C. An improved localization method using error probability distribution for underwater sensor networks[C]//2010 IEEE International Conference on Communications. Cape Toun， 2010： 1-6.

[72] ZHOU Z， PENG Z， CUI J H， et al. Scalable localization with mobility prediction for underwater sensor networks[J]. IEEE Transactions on Mobile Computing， 2010， 10（3）： 335-348.

[73] ZHANG W B， HAN G J， WANG X， et al. A node location algorithm based on node movement prediction in underwater acoustic sensor networks[J]. IEEE Transactions on Vehicular Technology， 2020， 69（3）： 3166-3178.

[74] MIRZA D， SCHURGERS C. Collaborative localization for fleets of underwater drifters[C]//2007 OCEANS Conference. Uancouver， 2007： 1-6.

[75] YAN J， ZHANG X N， LUO X Y， et al. Asynchronous localization with mobility prediction for underwater acoustic sensor networks[J]. IEEE Transactions on Vehicular Technology， 2017， 67（3）： 2543-2556.

[76] LU H M， LI? Y J， CHEN M， et al. Brain intelligence： Go beyond artificial intelligence[J]. Mobile Networks and Applications， 2018， 23（2）： 368-375.

[77] KAPOOR R， WALTERS S P， AL-ASWAD L A. The current state of artificial intelligence in ophthalmology[J]. Survey of Ophthalmology， 2019， 64（2）： 233-240.

[78] CHEN R， ZHANG W M， WANG X. Machine learning in tropical cyclone forecast modeling： A review[J]. Atmosphere， 2020， 11（7）： 676.

[79] LEFORT R， REAL G， DRéMEAU A. Direct regressions for underwater acoustic source localization in fluctuating oceans[J]. Applied Acoustics， 2017， 116： 303-310.

[80] NIU H Q， REEVES E， GERSTOFT P. Source localization in an ocean waveguide using supervised machine learning[J]. The Journal of the Acoustical Society of America， 2017， 142（3）： 1176-1188.

[81] NIU H Q， OZANICH E， GERSTOFT P. Ship localization in Santa Barbara Channel using machine learning classifiers[J]. The Journal of the Acoustical Society of America， 2017， 142（5）： EL455-EL460.

[82] WANG Y， PENG H. Underwater acoustic source localization using generalized regression neural network[J]. The Journal of the Acoustical Society of America， 2018， 143（4）： 2321-2331.

[83] HUANG Z Q， XU J， GONG Z X， et al. Source localization using deep neural networks in a shallow water environment[J]. The Journal of the Acoustical Society of America， 2018， 143（5）： 2922-2932.

[84] LIU Y N， NIU H Q， LI Z L. Source ranging using ensemble convolutional networks in the direct zone of deep water[J]. Chinese Physics Letters， 2019， 36（4）： 044302.

[85] NIU H Q， GONG Z Q， OZANICH E， et al. Deep-learning source localization using multi-frequency magnitude-only data[J]. The Journal of the Acoustical Society of America， 2019， 146（1）： 211-222.

[86] WANG W B， NI H Y， SU L， et al. Deep transfer learning for source ranging： Deep-sea experiment results[J]. The Journal of the Acoustical Society of America， 2019， 146（4）： EL317-EL322.

[87] LIN Y G， ZHU M， WU Y Q， et al. Passive source ranging using residual neural network with one hydrophone in shallow water[C]//3rd IEEE International Conference on Information Communication and Signal Processing （ICICSP）. Electr Network， 2020： 122-125.

[88] RAUCHENSTEIN L T， VISHNU A， LI X Y， et al. Improving underwater localization accuracy with machine learning[J]. Review of Scientific Instruments， 2018， 89（7）： 074902.

[89] YAN J， MENG Y A， YANG X P， et al. Privacy-preserving localization for underwater sensor networks via deep reinforcement learning[J]. IEEE Transactions on Information Forensics and Security， 2021：1880-1895.

[90] DAI H， YING W H， XU J. Multi-layer neural network for received signal strength-based indoor localization[J]. IET Communications， 2016， 10（6）： 717-723.

[91] HUANG Z Q， XU J， GONG Z X， et al. A Deep neural network based method of source localization in a shallow water environment[C]//IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP）. Calgary， 2018： 3499-3503.

A Review of Node Localization and Trajectory Prediction in Underwater Wireless Sensor Networks

GUO Ying， ZHANG Rui， NIU Long-sheng， JI Ping

（School of Information Science and Technology， Qingdao University of Science and

Technology， Qingdao 266061， China）

Abstract：

In the application of Underwater Wireless Sensor Networks （UWSNs）， if the location of the sensor node is unknown， the information sensed by the sensor node will become meaningless. Node localization and trajectory prediction are key technologies in the research of UWSNs. The techniques of node localization and trajectory prediction for UWSNs are reviewed. First， the characteristics of underwater acoustic communication were introduced. Then， the classical localization algorithms and trajectory prediction techniques were classified and introduced， the artificial intelligence related localization algorithms were also expounded. After that， these algorithms were compared and analyzed. Finally， the research direction and development trend of node location and trajectory prediction technology in UWSNs were prospected.

Keywords：

underwater sensor networks; node localization; trajectory prediction; ranging; artificial intelligence

收稿日期：2021-06-10

基金項(xiàng)目：

山東省自然科學(xué)基金面上項(xiàng)目（批準(zhǔn)號(hào)：ZR2020MF061）資助。

通信作者：

郭瑛，女，博士，副教授，主要研究方向?yàn)橹悄芪锫?lián)網(wǎng)、海洋網(wǎng)絡(luò)、無線傳感器網(wǎng)絡(luò)等。E-mail：guoying@qust.edu.cn

2286500511231