本發(fā)明屬于海洋探索開發(fā)、水下救援、洋流探測等需要進行水下節(jié)點定位任務的，具體涉及一種基于卷積神經(jīng)網(wǎng)絡優(yōu)化的混合三維水下定位方法、介質及設備。

背景技術：

1、在水下資源的勘探中，水下定位技術起著至關重要的作用，一種精確且能耗低的水下定位算法可以大大提高水下工作的效率，從而創(chuàng)造更大的效益。水下定位技術的發(fā)展離不開移動節(jié)點的精確定位。在海洋環(huán)境監(jiān)測中，檢測區(qū)域通常較大且動態(tài)變化，利用移動節(jié)點可以幫助實現(xiàn)對海洋生物資源的跟蹤，利用其隨機移動性實現(xiàn)對整個區(qū)域的監(jiān)測。此外，水下路徑的優(yōu)化和一系列節(jié)點數(shù)據(jù)傳輸過程的實現(xiàn)也需要移動節(jié)點的精確定位。因此，水下移動節(jié)點的精確定位成為當前研究的重點。

2、目前，水下節(jié)點定位技術通常使用錨和信標來輔助通信。由于水下節(jié)點具有隨時移動、難以維護的特點，同時時間同步性無法保證，因此研究人員通常設置水面浮標和水中信標節(jié)點(或稱錨節(jié)點)來輔助定位。水面浮標裝有gps設備，可實現(xiàn)絕對位置的定位，而信標節(jié)點具有較強的計算能力，可直接與水面通信。由于水下環(huán)境的特殊性，水下無線網(wǎng)絡定位面臨著一些挑戰(zhàn)。首先，無線電信號無法在水下長時間穩(wěn)定傳輸，在沒有長天線和大發(fā)射功率的情況下，只有超低頻率的無線電信號才能在水下長距離傳播。其次，水中的傳感器節(jié)點會隨水流移動，無法保持不變，這會影響節(jié)點的通信范圍。因此，水下定位通常使用聲信號傳輸。然而，由于海洋中的壓力、溫度和介質不同，水中的實際聲速不易獲取，水中的節(jié)點也很難保持時間同步。因此，水下無線傳感器網(wǎng)絡定位不能直接沿用陸地網(wǎng)絡定位的算法。

3、傳統(tǒng)三維水下定位(3dul)算法在水下定位領域具有重大意義，取締了以往需要大量錨點的定位模式，僅用三個錨點即可通過迭代遍歷的方式實現(xiàn)全面穩(wěn)定的網(wǎng)絡定位，其模型如圖1所示。在測距階段，三個浮標沿著三維拓撲結構迭代，估算與鄰近節(jié)點的距離，并獲取它們的深度信息。在浮標感知到三個相鄰節(jié)點后，它們會投射到所有傳感器節(jié)點，以檢查是否形成了穩(wěn)健的虛擬錨平面。一旦建立，傳感器節(jié)點的位置將通過三坐標測量進行定位，并標記為參考節(jié)點，繼續(xù)與其他節(jié)點進行迭代通信。

4、傳統(tǒng)3dul算法改良了以往需求大量水下錨點的缺點，在一定程度上優(yōu)化了定位能耗和效率，但缺點是定位時間長，準確率較低，數(shù)據(jù)量大，同時數(shù)據(jù)容易變化，更適合在靜水域定位。3dul算法將三個水面錨點作為坐標基，向下沿三維拓撲迭代的方式遍歷整個水下節(jié)點網(wǎng)絡，實現(xiàn)定位。未知節(jié)點在自身本地化后才能作為其他未知節(jié)點的錨點幫助定位，整個網(wǎng)絡的定位時長與節(jié)點數(shù)量成正比，基礎定位時長過長。在水下定位領域，定位時長與定位準確率直接掛鉤。水流移動致使水下未知節(jié)點時刻保持移動狀態(tài)，位置信息不斷改變，極端情況下，水流速度過高，定位時間過長，位于深水區(qū)域的未知節(jié)點進行定位時，淺水區(qū)域已經(jīng)定位成功的未知節(jié)點位置發(fā)生改變，需要重新定位，而以該淺水節(jié)點作為錨點進行定位的未知節(jié)點坐標則會具有較大誤差，最終定位準確率低。同時，依靠信息交換單一定位未知節(jié)點的方式無法獲取精確的節(jié)點位置信息，節(jié)點時刻移動的特點會在最終獲取坐標信息時引入誤差，造成準確率的降低。此外，傳統(tǒng)3dul算法在多次進行定位時，迭代收斂速度易發(fā)生變化，網(wǎng)絡覆蓋率浮動，造成定位不穩(wěn)定的問題。這是因為水下未知節(jié)點具有隨機性，進行節(jié)點信息交換時需進行魯棒性判斷來選擇合適的錨點，因此隨著迭代次數(shù)增加，迭代方向會隨機改變，有時無法定位完整的網(wǎng)絡。最后，水下節(jié)點具有移動性，已經(jīng)本地化轉變?yōu)殄^點的未知節(jié)點在一定時間后需要重新定位才能繼續(xù)作為錨點，因此傳統(tǒng)3dul算法需要多次重復應用，也直接影響了定位準確率。

5、卷積神經(jīng)網(wǎng)絡具有處理大規(guī)模數(shù)據(jù)，參數(shù)變化影響小，結果預測更精準的特點。使用cnn進行節(jié)點定位是一種強大的技術，可在各種情況下提高定位精度。利用cnn，研究人員在室內定位系統(tǒng)中取得了顯著的改進。cnn可以有效地處理時間序列數(shù)據(jù)，如接收信號強度指示器(rssi)值，從而減少噪聲，提高定位精度。按照設計和構建完整的cnn網(wǎng)絡、對其進行優(yōu)化和正則化、執(zhí)行池化和跨步等步驟，實現(xiàn)了對節(jié)點坐標進行回歸估計的定位。此外，在時空到達角(aoa)圖像上使用cnn，在處理移動節(jié)點定位的aoa估計中的噪聲和誤差方面顯示出良好效果。這些方法證明了cnn的多功能性和有效性，可通過處理噪聲、增強魯棒性和優(yōu)化可用數(shù)據(jù)來提高定位精度，從而在各種環(huán)境中實現(xiàn)準確的節(jié)點定位。

6、盡管cnn在室內定位等方面做出了貢獻并提供了幫助，但水下節(jié)點定位算法仍未能通過cnn得到改進。對于水下節(jié)點定位，由于傳輸?shù)男盘柺锹晫W信號，因此大多采用基于距離的方法，如到達時間(toa)和到達時間差(tdoa)。這些方法通過測量未知節(jié)點到錨節(jié)點的距離和角度信息，并利用三坐標法和三角測量法計算未知節(jié)點的位置信息，具有較高的精度。

技術實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術中的不足，提供一種基于卷積神經(jīng)網(wǎng)絡優(yōu)化的混合三維水下定位方法、介質及設備。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

3、第一方面，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡優(yōu)化的混合三維水下定位方法，其特征在于，包括如下步驟：

4、設計三維水下定位算法對未知節(jié)點進行定位，定位過程中，用于定位未知節(jié)點的每組錨點都要通過魯棒性驗證；

5、構建cnn模型并進行初始化和訓練，所述cnn模型的輸入為水流信息和錨點位置，cnn模型的輸出為預測的節(jié)點位置；

6、迭代交替使用三維水下定位算法和cnn模型，直至達到最大迭代次數(shù)或者所有未知節(jié)點都被定位；每次迭代中，將三維水下定位算法定位得到的節(jié)點位置作為錨點位置輸入cnn模型，再采用cnn模型預測移動水流中節(jié)點的實際位置。

7、可選地，所述三維水下定位算法對未知節(jié)點進行定位的過程包括測距階段以及投影和定位階段；

8、在所述測距階段，未知節(jié)點通過廣播和接收數(shù)據(jù)包來估計自身到鄰近錨點的位置，當未知節(jié)點確定自身處于三個錨點的通信范圍內時，進入投影和定位階段；

9、在所述投影和定位階段，將三個錨點投影到與未知節(jié)點相同深度的水平面上，進行三邊定位，并通過魯棒性驗證確定未知節(jié)點定位的準確性。

10、可選地，所述測距階段的具體過程為：

11、定位啟動后，錨點向周圍區(qū)域廣播錨點數(shù)據(jù)包，試圖與其通信范圍內的未知節(jié)點取得聯(lián)系；當未知節(jié)點自身攜帶的傳感器收到來自不同錨點的三個錨點數(shù)據(jù)包時，該未知節(jié)點在t＝t1時刻向這三個錨點發(fā)送測距數(shù)據(jù)包，請求與錨點進行信息交換；錨點在t＝t2時刻接收測距數(shù)據(jù)包，并在t＝t3時刻，錨點向未知節(jié)點廣播確認包；未知節(jié)點在t＝t4時刻接收到錨點發(fā)來的確認包，包含t2、t3的值以及錨點的坐標和深度信息，用于未知節(jié)點和錨點之間的距離測量。

12、可選地，所述距離測量是用平均單向傳播時間乘以水下估計的聲速來實現(xiàn)，公式如下：

13、d＝c*[(t2-t1)+(t4-t3)]/2；

14、式中，d表示測量距離，c表示聲速，t1、t4和t2、t3的時間信息分別由未知節(jié)點和錨點的本地時鐘測量。

15、可選地，所述投影和定位階段的具體過程為：

16、當未知節(jié)點接收到來自三個不同錨點的確認包時，該節(jié)點使用確認包中的坐標和深度信息將錨點投影到與未知節(jié)點相同深度的水平面上；

17、對由三個錨點和一個未知節(jié)點組成的四邊形中的所有子三角形進行魯棒性驗證：當所有子三角形都滿足驗證條件時，則認為該四邊形是魯棒四邊形，通過驗證，錨點向未知節(jié)點發(fā)送數(shù)據(jù)包進行三邊測量，實現(xiàn)對未知節(jié)點的定位；當一組錨點無法通過驗證時，重新選擇其他錨點進行驗證，直到未知節(jié)點能夠成功定位。

18、可選地，所述魯棒性驗證條件為：

19、a*sin2δ＞dmin；

20、式中，a為各子三角形的最短邊長，δ為各子三角形的最小角度，dmin為噪聲檢測和數(shù)據(jù)測量后的實驗閾值。

21、可選地，所述cnn模型定義了與實際定位環(huán)境相匹配的環(huán)境參數(shù)，包括定位區(qū)域的大小、節(jié)點總數(shù)、錨點數(shù)量和水流速度；cnn模型還定義了模型參數(shù)，包括輸入特征的個數(shù)、每次訓練的樣本個數(shù)、訓練的輪數(shù)和模型的初始學習率；所述cnn模型在訓練過程中采用學習率衰減策略，優(yōu)化器選擇隨機梯度下降，并設置包括批量大小和訓練周期的訓練選項。

22、可選地，所述迭代交替使用三維水下定位算法和cnn模型的過程中，對于每一次迭代中狀態(tài)為0且剩余能量足夠的節(jié)點，首先采用三維水下定位算法進行節(jié)點定位，并將其狀態(tài)更新為1，然后將其位置信息和水流信息輸入到cnn模型中進行節(jié)點實際位置的預測，預測得到的節(jié)點實際位置用于下一次迭代中的三維水下定位算法；其中，狀態(tài)為0表示未定位，狀態(tài)為1表示已定位。

23、第二方面，本發(fā)明提供了一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序使計算機執(zhí)行如第一方面所述的基于卷積神經(jīng)網(wǎng)絡優(yōu)化的混合三維水下定位方法。

24、第三方面，本發(fā)明提供了一種一種電子設備，其特征在于，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行計算機程序時，實現(xiàn)如第一方面所述的基于卷積神經(jīng)網(wǎng)絡優(yōu)化的混合三維水下定位方法。

25、本發(fā)明的有益效果是：本發(fā)明所提出的改進的3dul算法，充分考慮了時間同步，增加了時間同步調整功能，進一步減小誤差；不需要錨點對未知節(jié)點的相對方位信息，錨點通過魯棒判斷可以成功地輔助其通信范圍內的任何未知節(jié)點實現(xiàn)定位，具有高度的靈活性和適應性。本發(fā)明將3dul算法和卷積神經(jīng)網(wǎng)絡結合對節(jié)點運動進行預測，并輸入水流信息和錨點坐標進行訓練，輔助預測節(jié)點運動后的位置，提高模型的適應性，具備了對水下移動節(jié)點位置的預測能力，避免了重復定位已經(jīng)移動的未知節(jié)點的復雜操作。