8、水下传感器网络的强化学习异步定位技术

水下传感器网络的强化学习异步定位技术

1. 水下定位面临的挑战与现有方法

在水下环境中，获取准确的位置信息至关重要，但也面临诸多挑战。水下传感器网络（USNs）具有异步时钟、分层效应和节点移动性等特性，这使得传统的无线传感器节点定位方法在 USNs 中难以适用。

1.1 传统定位方法的局限性

传统的基于距离的定位方法，如基于飞行时间（TOF）、到达时间（TOA）和到达时间差（TDOA）等，在无线传感器节点中相对容易实现，因为时钟是同步的且传输速度固定。然而，在 USNs 中，异步时钟、分层效应和节点移动性使得相对距离测量变得极具挑战性。

现有的一些水下定位方法，如 Zhou 等人（2011）和 Carroll 等人（2014）提出的方法，主要包括锚点发现、距离测量和位置估计等步骤。但这些方法通常构建的优化问题的目标函数是非凸的，使用最小二乘估计器容易陷入局部最小值。一些松弛方法试图将非凸问题转化为凸优化问题，但在复杂的水下定位问题中性能不佳。

1.2 现有定位算法的不足

大多数现有的水下定位算法通常需要大量的锚节点来覆盖监测区域，因为固定锚节点的覆盖半径有限。例如，一个频率带宽为 20 - 50 kHz 的单个锚节点只能将信号传输到 1 公里。虽然可以通过增加传输功率来扩展覆盖半径，但这会增加通信能耗，降低锚节点的工作寿命。

为了解决这个问题，一些研究采用了自主水下航行器（AUV）作为移动锚节点。但现有的基于 AUV 的定位方法往往依赖于同步时钟或恒定声速的假设，没有充分考虑异步时钟、分层效应和节点移动性。

2. 强化学习在水下定位中的应用动机

强化