基于神经网络的水下多目标接近觉定位研究

"这篇论文研究了面向AVS的全零块预先判决算法，主要探讨了在水下声传感器的多目标定位问题上的一种创新方法。文章指出，传统的几何相交定位技术存在目标数目限制的问题，而提出的BP神经网络定位方法能够突破这一限制，通过区域定位和角度精确定位的实验验证了新方法的有效性和高精度。此外，文中还对比了现有的高分辨率声纳设备，强调了为小型水下机器人设计的接近觉传感器在单目标定位上的优势，但面对多目标时存在的挑战。国内外的相关研究，如Kleeman、LeMay、Jörg、Shoval、李保国、罗曦等人的工作，被用来作为背景介绍，他们提出的方法主要涉及多声纳系统的三角相交定位和声波信号编码区分。陆文骏的四元声定位方法是基于BP神经网络的，但侧重于距离计算。本文作者徐筱龙和徐国华则提出了一种新的基于BP神经网络的接近觉目标方位定位方法，这种方法区别于几何相交法，旨在解决多目标定位问题。" 这篇论文的核心内容集中在水下声传感器的多目标定位技术的改进上。传统的几何相交定位技术在处理多个目标时受限，而采用BP神经网络的定位方法能实现更灵活且精度更高的定位。BP神经网络是一种反向传播的学习算法，它在处理复杂非线性问题时具有优势，这使得该方法在水下环境中的多目标定位中表现优越。论文中提到了现有的高分辨率声纳设备，如RESON公司的SeaBat系列和CodaOctopus公司的Echoscope3D声纳，这些设备虽然具有高分辨率和远距离探测能力，但重量大、不适合小型水下机器人。因此，研究者设计了接近觉传感器，这种传感器在单目标定位上表现出色，但在多目标情况下仍有待优化。 国内外的研究进展为本研究提供了理论基础，包括Kleeman和LeMay的三角相交定位，以及Jörg和Shoval的声波信号编码策略。这些方法旨在减少声纳信号的干扰和提高定位准确性。同时，李保国和罗曦等人提出的三探头和四探头超声阵列定位方法，以及陆文骏的四元声定位方法，这些方法在实际应用中都有限制，无法处理超过探头数目的目标。 作者徐筱龙和徐国华提出的新型基于BP神经网络的定位方法，专注于解决多目标的方位定位问题。这种方法利用神经网络的非线性建模能力，能够适应复杂的水下环境并处理多个目标的定位需求，从而克服了传统方法的局限性。通过仿真实验，该方法展示了其在区域定位和角度精确定位方面的有效性，进一步证明了神经网络在水下声传感器多目标定位领域的潜力。