随着海洋资源的发展和陆地无线传感器网络的迅速发展，寻找海底无线传感器网络已成为研究的新热点。下定位技术是海底传感器网络必不可少的支持技术。了对水下定位技术进行深入研究，采用分类综合方法对现有的水下定位技术进行了分类描述，比较了它们的优缺点和应用前景。论了这些技术。后，规划了潜艇定位的发展趋势。洋约占地球表面的70％，海洋资源的开发和利用正日益成为现代世界国家关注的焦点。下无线传感器网络已经成为研究的热点，可以以不同的方式应用，例如环境监测，灾难预测，资源开发和导航辅助。事[1？ 4]。许多应用中，数据必须与地理位置信息结合起来具有实际意义，并且地理位置信息可以支持网络层协议。果，水下定位技术已经成为亟待解决的重要问题。底传感器网络的定位具有以下特点：GPS不能直接在水下使用，水下通道带宽较弱且通信开销较高的协议不是适用于潜艇，节点随水流移动等。给海底节点的定位带来了很大的困难并带来了许多挑战。始的地面定位技术不能直接应用于水下定位，因此需要开发一种适应水下定位特性的新型节点定位技术。文首先介绍和分类现有的水下定位技术，然后介绍各种水下定位技术，然后分析和比较不同算法的性能。线水下传感器网络节点有三种类型：锚点节点，未知节点和参考节点。知节点负责检测环境数据，锚节点负责定位未知节点，参考节点由锚节点和本地化的未知节点组成。下无线传感器网络节点定位的目的是在过载的情况下使用特殊的定位方法来定位未知节点，定位节点和参考节点。通有限。文对国内外定位现有海底节点的技术进行了分类，总结和总结。据节点放置过程的完成情况，现有的水下定位技术分为两类：分布式定位算法和集中式定位算法。分布式算法中，未知节点收集定位信息以完成其自身的定位，而集中式算法则是由基站或汇聚节点完成所有节点的定位。种类型的算法都可以细分为两个子类别：基于估计的算法和基于预测的算法。于估计的算法使用当前信息来计算节点的位置，而基于预测的算法使用节点的过去和当前位置信息来导出节点在下一时间点的位置。DNRL方法[5]是基于在海底移动网络中使用的估计的分布式定位算法。
图1所示，该算法使用的标签可以浮动和下沉。标可以周期性地漂浮和流动，恒温阀芯如果信标漂浮到地面，则它会通过GPS获取其自身的坐标，然后在其流动时，它会通过压力传感器获取深度信息并不断发送其自身的坐标。知节点被动接受此信息。距离是通过单向TOA遥测算法计算的，并最终根据三边测量原理进行了定位。算法可以实现更高的覆盖范围和定位精度，但是需要更多的标签节点，并且采用单向TOA进行时间同步。于信标在DNRL中的移动速度较慢，因此对于底部附近的节点，这将导致较长的定位延迟。对这种情况，多级定位算法（MSL）[6]修改并扩展了DNRL。算法利用已经定位的节点作为参考节点，周期性地发送坐标信息，以扩大定位范围，减少定位时间，但会增加通信量，并造成累积现象。误。AUV [7]使用AUV定位水下的未知节点，并将该算法应用于静态水生环境。图2所示，AUV周期浮出水面以获取GPS坐标，然后跟踪其自身的位置并根据潜艇定位算法广播唤醒消息。AUV的移动将不断改变其位置，当未知节点获得对应于不同AUV坐标的多个距离时，即可定位该节点。算法使用双向TOA范围来避免时间同步，但是由于AUV的速度低，因此通信开销很重要，并且定位延迟很重要。向信标定位（LDB）方法[8]也使用AUV定位水下节点，该节点应用于静态水生环境。图3所示，该算法与AAL之间的区别在于AUV可以导航整个网络，并且其传输的信号具有定向波束宽度。
AUV获取漂浮在水面上的GPS坐标，然后沿着预定路径传播整个网络，并定期发送其自己的坐标，节点的深度由压力传感器获取。算法是不需要遥测的定位算法。位方法如图4所示。算法的通信开销较低，但精度取决于AUV信号的传输频率，甚至低于较长的传输周期。一个限制是AUV必须导航整个网络，这在实际应用中可能很难满足条件。规模本地化（LSL）[9]是一种分布在静态水生环境中的分层定位机制。图5所示，网络由三个节点组成：浮标节点，锚点节点和未知节点。标节点获取GPS坐标，锚节点首先通过浮标节点定位自己的坐标，然后定期发送自己的坐标以定位未知节点。算法使用值的单向TOA范围来获取距离，并提供可信值选择机制以选择最佳位置的节点作为参考节点。络中的某些未知节点无法直接与锚点或参考节点通信，因此无法定位这些节点。了解决这个问题，LSL算法允许未知节点周期性地发送短消息来获取到跳转邻居的距离，并在此基础上提出了一种三维欧氏距离估计方法。图6所示，A是参考节点，未知节点E必须知道EA的距离。中的实线表示可以访问该跳转。
点E因此可以在LSL机制下获得EC，EB，ED，DC，DB，DA，AB，AC，DC的长度。
择ABC平面作为参考平面。DB，DA长度，可以获得点D的两个可能的参考坐标：D和D’。于EC，EB和ED的长度是已知的，因此可以分别针对DBC和BCD’计划获得点E的四个可能的参考坐标。相邻节点的数量大于三个时，可以通过同时求解获得唯一的E点参考坐标，并获得AE距离。
LSL算法的主要缺点是功耗太高，通信过载太大以及需要时间同步。下定位机制（UPS）[10]使用4个锚节点将信标信号发送到未知节点进行定位，并使用TDOA执行遥测以避免时间同步，适用于静态水环境。图7所示，主锚节点（A）启动定位过程，锚节点B和未知节点接收信号。B接收到信号A后，计算从A到B的延迟，然后发送坐标信号。知节点接收到信号B之后，您只能通过自己的时钟来计算您与A和B之间的距离差。似地，锚节点C和D也遵循相同的过程。变器机构可以有效地避免时间同步，通信开销大大降低。
是，由于仅依靠四个锚定节点进行定位，因此定位覆盖率不高，不适用于大型海底网络和节点的通信距离。地比较大。对逆变器机构定位范围的缺点，大型逆变器水下网络定位机构（LSLS）[11]包含三个过程：定位逆变器节点的过程定位，迭代定位过程和互补定位过程。先，执行锚节点定位过程，并使用逆变器定位机制来定位可通过锚节点定位的节点。后，执行迭代定位过程，恒温阀芯并选择一些已经定位的节点作为迭代定位的参考节点。前两个过程之后尚未定位的未知节点将执行其他定位过程：该节点主动发送定位请求，并且本地化节点将其自身转换为参考节点以完成该节点的定位未知取决于需求。LSLS机制继承了UPS机制的优点，适用于大规模网络，但其通信开销大于UPS机制。下传感器（USP）定位机构[12]是投影定位机构。机制假定节点知道其自身的深度信息，并使用此信息将锚点投影到其自身的水平面中，以将3D定位问题转换为2D定位问题。图8所示，A，B和C分别是锚节点，并投影到未知节点U为A’，B’和C’的平面上，则通过三边定位法。该算法中已定位的节点都被指定为参考节点，必须定期发送自己的坐标，消耗大量能量，并且定位成功率不高。可以通过增加锚节点的数量来提高定位的成功率。化移动预测定位（SLMP）[13]是一种在动态水生环境中使用的预测分布式定位机制。机制采用一致的层次结构，如图2所示，由浮标节点，锚点节点和未知节点组成。出了节点的运动模型概念：锚节点和未知节点根据其先前的坐标估计位置。这种机制中，假定节点将根据定位周期T获得其自身的位置。于节点的运动模型可以在运动过程中发生变化，因此节点将定期检查以更新其自身的运动模型。旦节点已经预测了自己的位置，它将根据收集的定位信息进行定位，然后比较预测值与实际估计值之间的差异。差异未超过某个阈值时，该节点认为其自己的移动模式正确，否则，该节点将基于节点的先前和当前位置信息来更新其自己的移动模式。SLMP算法的通信系统时间相对较短，并且其性能受定位周期T的影响。T较小时，精度较高，但通信系统时间相应增加。个算法基于节点运动模型的结构，水下节点运动模型的计算是一个难以解决的问题。于运动的自动定位（MASL）[14]是应用于动态水生环境的集中式算法。于水下节点的移动性，估计的距离可能在任何时候都是无效的，并且该算法可以提供准确的定位。MASL机制下，海底节点收集到邻居的距离，一旦海底网络任务完成，该距离信息将由基站离线处理。站采用迭代估计的方法对节点进行定位，该方法将水下环境划分为几个小网格，每次迭代都获得了节点位置的分布，并带有网格。
择最高概率作为节点位置。到下一个迭代。算法使用集中式算法来减轻水下节点的计算负担。不需要锚节点，但是需要时间同步和通信开销。要缺点是它不适用于需要实时位置信息的在线监视应用程序。ALS [15]是不需要遥测的粗略2D定位算法。图9所示，节点U是未知节点，R1，R2，R3和R4都是锚节点，它们通过使用不同的能级发送数据将网络划分为几个区域。知节点被动地从锚节点接收数据，并将与锚节点表相对应的能级发送到收集器节点，该收集器节点知道所有锚节点的坐标和节点的位置。后就实现了未知。算法不需要时间同步，不需要遥测，也不需要测量接收信号的强度。是一种相对轻量级的定位算法，但是该算法的通信时间较长，因此不适合需要实时位置信息的应用。过算法获得的位置信息是相对近似的，不适用于需要精确位置的应用。同定位方法（CL）[16]是基于预测的集中式定位机制。算法使用海底漂流节点队列，并假定所有节点都可以在水中上下浮动。图所示，队列中有主要节点，其他节点是跟随者。初始状态下，所有节点都在水面上并获得GPS坐标。后，头结首先沉入水中，然后结成水，然后进入水中，结深可以通过压力传感器获得，并且所有结在相同的速度下均以相同的速度运动。节点的位置就是下一个节点的未来位置的预测。下节点使用TOA获取主节点的位置。算法不需要锚节点，并且减少了通信开销。是，该算法对网络环境的结构有一定的局限性，适合在深海水柱状环境中进行数据采集，对其他应用环境效率不高。且主节点必须更靠近跟随者节点，当主节点离开跟随者节点的通信范围时，跟随者节点的定位将失败。1总结了所研究的定位算法的基本属性。些协议未指定遥测方法称为“未开发”。中未知节点不发送数据的协议的通信模式是“静默的”，所定位的节点协助定位的协议的通信模式是“迭代的”，而其中的节点的通信模式是“迭代的”。知节点正在主动发送数据是“活动的”。常，从五个方面评估水下节点定位算法的性能：定位成功率，定位精度，定位速度，定位覆盖范围和定位开销。位成功率和定位精度与锚节点的数量和数据提交的频率有关。于大多数定位机制，增加锚节点的数量实际上可以提高定位的成功率。动态水生环境中提高锚节点更新速度对定位精度有重要影响。如，AAL和LDB使用更新速度非常慢的AUV，导致定位精度降低。定位时间而言，不需要遥测的算法比LDB和ALS等其他算法具有更高的功耗和通信时间。且，在基于遥测的算法中，双向遥测的使用比单边遥测消耗更多的能量，但是单边遥测的使用解决了时间同步的问题。过比较分布式算法和集中式算法，可以发现分布式算法更适合于需要实时位置信息的应用，而集中式算法对普通节点的计算能力却较低。基于估计的算法与基于预测的算法进行比较，发现基于预测的算法更适合于动态水环境，并且能够以更少的能量和更少的能量获得更好的定位结果通讯费用。而，基于预测的算法依赖于精确的运动模型，但是如何获得海底节点运动模型的问题仍然是一个有待解决的问题。较海底节点的定位算法，很明显，大多数定位算法仅适用于静态水生环境，并且没有很多可以应用的定位算法。态环境。于预测的算法为动态水环境中的水下定位算法提供了见识。下定位发展的未来趋势有望是对动态水环境的水下定位方法进行更多的研究，并进一步发展基于预测的定位机制。
文为未来的研究人员提供了参考和思想，以及水下定位的实际应用的原理和应用参考，具有很高的参考价值。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com