Page 175 - 无线通信技术创新与应用

第四章 长江海事通信技术应用

需求的增加以及人工智能技术的发展，水下无人系统的智能化逐渐成为该领域的
研究热点。针对水下无人系统智能化的水下通信、智能集群以及水下智能仿生等
关键技术，有关研究回顾了当前发展现状，指出当前水下无人系统智能化亟待突

破的大容量 / 远距离条件下的高速率 / 高灵敏度信息传输、水下仿生机器人智能
驱动与控制、大规模协同及复杂海况下控制理论等技术难点。并对未来水下无人
系统智能化的研究方向做出提高水下通信效率、加强智能化等级及开发更先进材
料的展望。

目前，我国在海洋资源勘探开发、维权执法、领海 / 领空保护任务日益繁重
且难度巨大，迫切需要借助海洋智能装备提升我国海洋信息收集和安全保障能力。
由多个无人艇（USV）、自主式水下机器人（AUV）或无人机（UAV）等无人
平台组成的、以信息交互为手段、以分布式信息处理和决策控制为特征的集群系

统逐渐成为海洋信息收集和安全保障领域研究热点。相较于单个无人艇，无人艇
集群系统可以实现对水面目标的多角度观测和水下合作目标的大范围协同定位。
在动态分区通信网络中，利用 K- 中心聚类算法获得了分区内集群中最优聚类个
数及其簇首。在动态全区域通信网络中，提出了改进的链路开销计算方法，利用

蚁群算法完成了分区间信息传递的最优链路路径计算。在集群个体间实现稳定通
信的基础上，针对大范围多岛礁和复杂海底地形区域的搜索任务，提出了射线法
分区划分算法，将任务区域划分成一系列搜索分区，构建了分布式 USV 集群协
同区域搜索的多目标任务模型，并通过纳什均衡实现了最优的集群全局协同搜索。

经过全局层面的策略协同后，USV 进入到被分配的分区内进行水面目标搜索和
水下合作目标定位，由于不同传感器的观测噪声存在差异，利用最小二乘支持向
量机回归方法构建了集群通用传感器置信度模型。在 USV 集群局部协同搜索过
程中，针对 USV 集群对环境的认知以及各个 USV 行动的结果高维动态不确定性

和耦合性问题，以搜索图作为协同变量，提出了基于分布式马尔科夫决策过程的
集群局部协同搜索策略。
海试实验结果显示此协同策略降低了 USV 集群协同过程中个体间的冲突，
实现了分区内水面目标的探测和均衡覆盖搜索。USV 集群不仅需要对水面目标

进行搜索，还需对跨介质异构无人集群系统中的 AUV 进行水声协同定位。但水
声信号易受环境干扰而产生数据失真问题，为此提出了最佳融合位置估计算法，
实现了对失真数据的过滤。针对集群协同定位中不同估计位置间存在水声时差信

·161·