有限空間液態(tài)場中基于優(yōu)化EKF的雙曲面水聲定位方法研究*

徐耀松，李一博，付銅玲，靳世久*

(1.天津大學(xué)精密測試技術(shù)及儀器國家重點實驗室，天津 300072;2.遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院，遼寧葫蘆島 125105)

大型石油儲罐、運輸油輪儲倉、化工廠反應(yīng)釜、乏核燃料池等有限空間液態(tài)場環(huán)境中的參數(shù)檢測對其安全運行具有重要意義。為此，本課題組首次提出采用游弋式傳感器對有限空間液態(tài)場環(huán)境中的參數(shù)進行檢測的思想，并成功研制了一種游弋式傳感器。游弋式傳感器可搭載不同功能的探測傳感器，在待測液態(tài)場空間內(nèi)可控游弋，實現(xiàn)對多種參數(shù)的檢測。在此過程中游弋式傳感器的位置信息對檢測數(shù)據(jù)的有效性非常關(guān)鍵。本課題組獲取其位置信息的方法是，在游弋式傳感器上搭載水聲換能器，發(fā)出水聲信號，通過布放的水聲換能器基陣實現(xiàn)對游弋式傳感器的水聲定位。

在有限空間液態(tài)場環(huán)境中，水聲換能器發(fā)出的水聲信號在底面、側(cè)壁等處會產(chǎn)生多次反射，形成多途效應(yīng)。理論和實踐表明，多途效應(yīng)是定位誤差乃至錯誤定位的主要來源［1－2］。常見的水聲定位方法有長基線定位(Long Base Line)、短基線定位(Short Base Line)、超短基線定位(Ultra-Short Base Line)等，但這些定位方法主要應(yīng)用于海洋、湖泊等廣闊水域環(huán)境［3］的聲源定位，不適于有限空間中的水聲定位。本文提出一種基于優(yōu)化EKF(EKF，Extended Kalman Filtering)的雙曲面定位方法實現(xiàn)有限空間液態(tài)場內(nèi)水聲定位，克服由于多途效應(yīng)導(dǎo)致水聲測距誤差對定位的影響，提高了有限空間液態(tài)場中水聲定位的準確性和魯棒性。

1 定位原理及改進方法

1.1 雙曲面定位方法

基于時延差(Time Difference of Arrival，TDOA)的方法是工程中常用的定位方法［4－5］，又稱為雙曲面定位方法。該方法是一種重要的無源定位方法，通過三個或三個以上接收傳感器之間的信號到達時間差數(shù)據(jù)，對聲源目標進行定位。只要測得兩個傳感器接收信號之間的TDOA值，就可以得到聲源到該兩個傳感器之間的距離差，其定義了空間中的一個雙曲面，三個TDOA測量值就可以在三維坐標中構(gòu)成一組關(guān)于聲源位置的雙曲面方程組，理想情況下，這些雙曲面在空間中相交于一點，即聲源位置。定位的基本原理見圖1所示，其中T為目標聲源，假設(shè)坐標為(x，y，z)，Si(i=1，2，3，4)為水聲傳感器陣列。

將第1個傳感器作為參考傳感器，則目標到第i(i=2，3，4)傳感器與到參考傳感器之間的距離差為

式中，v是水聲信號傳播速率，Ri是第i個傳感器與目標之間的距離，R1為參考傳感器與目標之間的距離，τi，1是目標發(fā)出的信號到達參考傳感器和第i傳感器之間的TDOA，四個傳感器可以得到3個獨立的TDOA，可得到一個非線性雙曲面方程組，方程組的解就是目標聲源的坐標。

直接求解非線性的雙曲面較為困難，一般通過線性化方法實現(xiàn)求解，本文采用Chan算法［6］實現(xiàn)定位求解，定位方程如式(2)，詳細推導(dǎo)過程可參考該文獻。

將其正根帶入式，即可求得目標聲源坐標(x，y，z)。

上述基于雙曲面定位過程中，TDOA的準確性直接影響定位求解的性能。實際中，在有限空間液態(tài)場環(huán)境中，由于側(cè)壁等環(huán)境約束的存在，水聲信號往往會產(chǎn)生大量的反射，在接收傳感器處形成多途效應(yīng)，導(dǎo)致TDOA測量結(jié)果不準確，即式(1)中的τi，1存在誤差，進而導(dǎo)致Ri，1中存在誤差，構(gòu)造的多個雙曲面并不交于一點，求解結(jié)果存在較大偏差。而且直接采用這種幾何定位方法求得的結(jié)果，并沒有體現(xiàn)定位性能信息，難以對定位結(jié)果進行評價。本文提出采用上述求得的位置結(jié)果作為輸入，利用擴展卡爾曼濾波對定位方程的非線性進行處理，提高內(nèi)場水聲定位的準確性。

1.2 基于優(yōu)化EKF的定位方法

EKF方法基于遞歸最小均方的估計方法，可用于處理非線性系統(tǒng)［7］，經(jīng)常用于目標跟蹤定位中［8－11］，而且該方法在抑制多途效應(yīng)影響方面具有較好的性能［12－14］。本文采用 EKF，在基于 TDOA 估計結(jié)果基礎(chǔ)上對非線性的定位方程進行線性化，并利用預(yù)測誤差對EKF算法進行優(yōu)化以改善定位估計性能。

假設(shè)為目標的一個估計結(jié)果=(xk，yk，zk)T，觀測向量zk=(x'，y'，z')T，則 EKF 模型為

針對上述微電網(wǎng),其可再生能源的并網(wǎng)比例可用微電網(wǎng)向大電網(wǎng)購買的電費成本來衡量。購電成本以實時電價與聯(lián)絡(luò)線上的缺額功率的乘積來描述,其公式為

對于有限空間液態(tài)場中的游弋式傳感器，其運動速度相對于測量系統(tǒng)慢很多，故可以將狀態(tài)轉(zhuǎn)移方程視為常量。令Φ為單位矩陣，即認為在定位求解過程中目標位置沒有發(fā)生改變。hk(·)為非線性觀測方程。假設(shè)過程激勵噪聲wk－1和觀測噪聲vk－1均為高斯白噪聲，協(xié)方差分別為Q、R。

更新狀態(tài)xk的協(xié)方差矩陣

Kalman增益矩陣Kk通過zk計算，然后利用測量結(jié)果估計出當(dāng)前目標位置

其中Hk為在由k－1時刻向k時刻轉(zhuǎn)換時，hk()對xk的導(dǎo)數(shù)，即雅可比矩陣

用于更新狀態(tài)估計的狀態(tài)協(xié)方差Pk通過測量更新方程進行計算，如下式:

本文中，設(shè)定初始位置取為由Chan方法計算的結(jié)果，初始協(xié)方差設(shè)定為單位矩陣。并假設(shè)TDOA測量誤差滿足正態(tài)分布［15］?？紤]雅克比矩陣Hk在不同位置處的導(dǎo)數(shù)不同，從而測量誤差對估計的影響程度不同［10］，而且由于目標運動速度與測量速度相比很慢，可以利用上次定位結(jié)果對本次測量數(shù)據(jù)進行修正。本文通過在處對Hk乘以相應(yīng)的TDOA方差后取和，來預(yù)測該位置處的估計誤差。設(shè)定位傳感器檢測到TDOA的方差為g1，g2，g3，則目標估計誤差預(yù)測值為

2 仿真及實驗結(jié)果

2.1 仿真分析

為了驗證本文所提出的方法，進行了仿真測試，與常用的Chan方法進行比較。主要進行兩方面內(nèi)容的比較:在同等觀測誤差下，比較兩種方法的定位效果;改變觀測誤差時，比較兩種方法隨誤差變化的定位性能。

仿真中采用平面四元十字陣，陣型如圖1所示，目標位置坐標設(shè)為(3，4，5)。首先對同等觀測誤差情況，采用蒙特卡洛分析方法，對目標進行100次定位，如圖2為兩種方法定位結(jié)果中三個坐標(x，y，z)定位結(jié)果誤差的比較。圖3為改變觀測誤差水平時兩種方法定位結(jié)果的平均誤差比較，TDOA測量誤差從0～30%變化，每個誤差水平上獨立運行100次。圖中Chan-EKF表示本文方法。

由圖2看出，在測量誤差水平相同的情況下，本文所提方法(Chan-EKF)的定位誤差比Chan方法小，定位性能更高。由圖3可見，當(dāng)測量誤差增大時，兩種定位方法的定位結(jié)果的誤差均會隨之增加，而本文方法中定位結(jié)果的誤差變化比Chan方法小，具有更高的定位性能和魯棒性。

圖2 測量誤差相同情況下兩種方法定位結(jié)果誤差的比較

圖3 測量誤差變化時兩種方法定位結(jié)果誤差的比較

2.2 實驗結(jié)果

為了驗證本文所提出算法的有效性，模擬對搭載傳感器的游弋式傳感器的水聲定位，實際構(gòu)建了一套三維水聲聲源定位系統(tǒng)，如圖4所示。系統(tǒng)主要由實驗水池(1.4 m×1.4 m×1.5 m)、水聲換能器基陣、水聲發(fā)射換能器、信號發(fā)生轉(zhuǎn)置、數(shù)據(jù)采集及處理裝置構(gòu)成。其中信號發(fā)生裝置采用美國物理聲學(xué)公司的任意波形發(fā)生器，對位于實驗水池中已知位置的水聲發(fā)射換能器進行激勵，激勵信號采用10周期80 kHz正弦波信號，對應(yīng)于所采用水聲換能器的工作頻率。水聲換能器基陣布置在實驗水池底面，構(gòu)成平面四元十字陣，用以接收水聲發(fā)射器發(fā)出的信號，將其中一個水聲換能器作為定位坐標原點，經(jīng)放大后由NI的數(shù)據(jù)采集卡PCI6132采集，采集數(shù)據(jù)送入PC機，實現(xiàn)定位算法，計算出水聲發(fā)射換能器的位置。

圖4 實驗水池

實驗中，水聲發(fā)射換能器的位置布放于(0.3 m，0.3 m，0.3 m)處，定位基陣中的換能器同步采集水聲信號，采用廣義互相關(guān)方法，得到陣元之間的TDOA。首先采用Chan方法求得目標位置的初步估計，然后作為初始值，采用優(yōu)化的EKF方法進行準確定位。其中TDOA的測量方差可以通過實驗手段確定，由于目標靜止，環(huán)境參數(shù)不變，噪聲影響可認為是一致的。實驗中進行了30次同步數(shù)據(jù)采集，然后對采集數(shù)據(jù)進行預(yù)處理，采用前述的兩種定位方法進行目標位置的求取，定位誤差比較結(jié)果如圖5所示。

圖5 定位結(jié)果比較

從圖5中可以看出，對于有限空間液態(tài)場中靜態(tài)目標的定位，采用優(yōu)化EKF的混合定位方法能夠獲得比較高的定位效果，定位準確性優(yōu)于三維定位中常用的Chan方法。

為了比較不同位置上兩種方法的性能，在實驗系統(tǒng)中將水聲發(fā)射換能器布放于不同位置上進行實驗，每個位置上測量30次，分別利用兩種方法進行定位求解。比較結(jié)果如表1所示。表中比較了目標在不同位置處兩種方法計算結(jié)果的方差和平均誤差。從表中可以看出，本文提出方法具有更小的計算誤差和方差特性。對于不同目標位置，由于不同位置上信號收到多途效應(yīng)的影響不同，TDOA測量的準確性不同，兩種方法的定位結(jié)果準確性也隨之變化，整體上，本文方法的性能優(yōu)于Chan方法。

表1 實驗結(jié)果比較 單位:mm

3 結(jié)論

本文針對有限空間液態(tài)場環(huán)境中聲源目標定位問題進行了研究。有限空間液態(tài)場中信號多途效應(yīng)導(dǎo)致的水聲信號時延差測量誤差較大，從而導(dǎo)致傳統(tǒng)的雙曲面定位方法定位性能下降。考慮到系統(tǒng)中觀測模型的非線性，本文采用EKF方法進行線性化處理，將雙曲面定位結(jié)果作為初始估計值輸入EKF狀態(tài)方程，采用優(yōu)化的EKF對雙曲面定位方程進行求解，實現(xiàn)狀態(tài)預(yù)測，提高了定位性能。仿真和實驗結(jié)果表明該方法提高了雙曲面定位在液態(tài)內(nèi)場環(huán)境中的性能。

［1］Dardari D，Conti A，F(xiàn)erner U，et al.Ranging with Ultrawide Bandwidth Signals in Multipath Environments:Proceedings of the IEEE［Z］.2009:97，404－426.

［2］Rogers J S，Krolik J L.Passive Broadband Source Localization in Shallow-Water Multipath Acoustic Channels:Oceans 2008［Z］.2008:1－4.

［3］Vickery K.Acoustic Positioning Systems:A Practical Overview of Current Systems:Proc of the 1998 Workshop on Autonomous Underwater Vehicles［Z］.Fort Lauderdale，F(xiàn)L，USA.:1998:5－17.

［4］胡來招.無源定位［M］.北京:國防工業(yè)出版社，2003:41－43.

［5］賈瑞武，石庚辰.四元聲傳感器面陣快速測向算法及誤差分析［J］.傳感技術(shù)學(xué)報，2009，22(12):1757－1762.

［6］Chan Y T，Ho K C.A Simple and Efficient Estimator for Hyperbolic Location［J］.IEEE Transactions on Signal Processing，1994，42(8):1905－1915.

［7］Spingarn K.PassivePosition Location Estimation Usingthe Extended Kalman Filter［J］.IEEE Transactions on Aerospace and Electronic Systems，1987，AES－23(4):558－567.

［8］Musicki D，Kaune R，Koch W.Mobile Emitter Geolocation and Tracking Using TDOA and FDOA Measurements［J］.Signal Processing，IEEE Transactions on，2010，58(3):1863－1874.

［9］Teng L，Ekpenyong A，Yih-Fang H.Source Localization and Tracking Using Distributed Asynchronous Sensors［J］.Signal Processing，IEEE Transactions on，2006，54(10):3991－4003.

［10］師延山，李道本，范躍祖.無線定位擴展卡爾曼濾波算法的優(yōu)化［J］.北京航空航天大學(xué)學(xué)報，2003(4):308－311.

［11］金仁成，趙偉，石小培.基于EKF算法的無線傳感器網(wǎng)絡(luò)定位技術(shù)研究［J］.傳感技術(shù)學(xué)報，2010，23(12):1810－1814.

［12］Seong J K，Byung K K.Dynamic Localization Based on EKF for Indoor Mobile Robots Using Discontinuous Ultrasonic Distance Measurements:2010 International Conference on Control Automation and Systems(ICCAS)［Z］.2010:1912－1917.

［13］Lakhzouri A，Lohan E S，Hamila R，et al.Solving Closely-Spaced Multipaths Via Extended Kalman Filter in WCDMA Downlink Receivers:Personal Mobile Communications Conference，2003.5th European(Conf.Publ.No.492)［Z］.2003:271－275.

［14］Iltis R A.Joint Estimation of PN Code Delay and Multipath Using the Extended Kalman Filter［J］.Communications，IEEE Transactions on，1990，38(10):1677－1685.

［15］Hahn W R，Tretter S A.Optimum Processing for Delay-Vector Estimation in Passive Signal Arrays［J］.IEEE Transactions on Information Theory，1973，19(5):608－614.