水下目标声光联合探测与融合定位方法研究.pdf

水下目标声光联合探测与融合定位方法研究

摘要

水下目标探测定位技术对于无人或少人干预条件下搜索水下目标的任务而言至关

重要，亦是无人潜航器的自主任务能力之一。目前主流水下目标探测系统主要依赖声学

传感器或光学传感器，前者可远距离探测目标（方位、距离等信息），但目标识别定位精

度受水下环境未知噪声扰动影响难以得到有效保证；后者可获取目标更直观的细节特征，

有利于实现精确定位，但光波传播范围受水质影响严重，使得其仅适用于中近距离探测

目标。因此，论文针对上述问题，通过研究水下目标声光探测定位方法和多传感器决策

级信息融合技术，搭建了一个基于声光联合探测与融合定位的水下目标探测系统，以提

高水下机器人目标探测范围和定位精度。论文的主要工作与创新性成果如下：

首先，完成声光联合探测的相关准备工作。通过分析水下机器人作业目标导引任务

需求，结合水下声光传感器特性，设计三段式水下目标定位方案；建立声光传感器量测

模型，完成联合探测系统时空配准；研究水下声光传播特性及其成像机理，总结水下声

光图像特点，并建立目标定位精度、水下图像质量评价体系。

其次，设计水下声光图像增强算法，并基于增强结果实现水下目标探测定位。对于

水下光学图像，使用改进的红色通道先验（RedChannelPrior,RCP）算法进行增强。该

算法基于感知图像自主构建暗通道先验图，从而估算更加准确的透射率以提高图像复原

效果。对于水下声学图像，使用基于指数函数改进的模糊增强算法提高其信噪比，同时

解决了Pal-King算法调参困难、低灰度值丢失的问题。之后，基于声光图像预处理结果，

利用最大熵分割算法和高斯混合模型（GaussianMixtureModel，GMM）分类器实现水下

目标探测定位，为后续异源定位信息的融合提供数据支撑。

再次，设计声光传感器融合定位算法。针对声光传感器有效探测范围不同和卡尔曼

滤波（KalmanFilter,KF）算法在信息融合过程中噪声参数泛化性差的问题，设计了一种

自适应观测噪声协方差卡尔曼滤波（AdaptiveMeasurementNoiseCovarianceKalmanFilter,

AMNCKF）算法用于信息融合。该算法利用当前时刻各传感器观测值构建支持度矩阵，

并基于支持度估算时变观测噪声协方差，以提高融合算法结果精度。仿真实验结果表明，

改进算法能够有效利用各传感器观测信息，提高水下目标定位精度。

最后，基于论文中所设计的水下目标声光探测方法和多传感器定位数据融合算法，

构建水下目标声光联合探测与融合定位系统，并通过水池实验验证其有效性。实验结果

哈尔滨工程大学专业学位硕士学位论文

表明，该系统应用于水下目标探测定位任务切实可行且具有显著优势。

关键词：声光联合探测；水下目标定位；暗通道先验；模糊增强；自适应卡尔曼

滤波

水下目标声光联合探测与融合定位方法研究

Abstract

Underwatertargetdetectionandlocalizationtechnologyiscrucialtothetaskofsearching

forunderwatertargetsunderunmannedorless-mannedinterventionconditionsandisalsoone

oftheautonomousmissioncapabilitiesofunmannedunderwatervehicles.Currently,the

mainstreamunderwatertargetdetectionsystemmainlyreliesonacousticsensorsoroptical

sensors,theformercandetectthetargetatalongdistance(orientation,distance,andother

information),butthetargetidentificationandpositi