《Drones》：Synchronization-Free Underwater Acoustic Localization for Autonomous Platforms: A Neural Network TDOA Approach and the Role of Receiver Geometry
编辑推荐：
准确的水下声学定位是自主水下航行器和无人机水下航行器的关键能力，这些设备在水下无法依赖卫星定位，因此依靠声学方法确定其位置。基于到达时间（TOA）测量的定位要求源和接收器之间精确的时间同步，这在实践中难以维持。到达时间差（TDOA）表示消除了这一要求，但丢弃了
准确的水下声学定位是自主水下航行器和无人机水下航行器的关键能力，这些设备在水下无法依赖卫星定位，因此依靠声学方法确定其位置。基于到达时间（TOA）测量的定位要求源和接收器之间精确的时间同步，这在实践中难以维持。到达时间差（TDOA）表示消除了这一要求，但丢弃了部分绝对时间信息，降低了定位精度。本研究研究了一种基于物理的前馈多层感知器（FF-MLP）框架，用于二维距离-深度水下定位，该框架直接从声速变异性和多径效应引起的到达时间结构学习，将接收器阵列几何作为改善无同步TDOA定位的中心设计变量。使用BELLHOP声线追踪模型在代表性地中海水下环境下生成的多接收器到达时间，将同步TOA、有偏TOA和TDOA测量表示在共同基础上进行比较，并通过蒙特卡洛评估系统研究了接收器深度分布、接收器数量和参考接收器位置的影响。结果表明，接收器阵列几何，而非单独的测量表示，对基于TDOA的定位起决定性作用：通过适当设计的几何，无同步TDOA定位实现了中值二维RMSE（均方根误差）为11.28 m，接近需要精确时间同步的同步TOA的精度。这些发现表明，精心设计的接收器几何可以使无同步TDOA成为自主水下航行器声学定位中同步TOA的实用替代方案。
**论文解读：基于神经网络TDOA的无同步水下声学定位及接收器几何的作用**
**研究背景与问题**
水下声学定位对自主水下航行器（AUV）和无人机水下平台至关重要，因为电磁波在水中严重衰减，卫星定位无法在水下使用。基于到达时间（TOA）的定位需要源与接收器之间精确的时间同步，这在实践中难以维持，尤其是在移动、无绳的自主平台上。到达时间差（TDOA）表示通过差分抵消了公共时间偏移，从而免除了同步要求，但因此丢弃了部分绝对时间信息，导致定位精度下降。此外，水下声速随深度、温度、盐度变化（声速剖面，SSP），且海面、海底反射产生多径传播，使得从源位置到到达时间的映射高度非线性和环境依赖。现有研究大多单独处理特定传播效应，或采用基于协方差、谱特征等输入的神经网络方法，但尚未系统比较同步TOA、有偏TOA和TDOA三种测量表示在共同框架下的性能，也未深入考察接收器阵列几何（深度分布、接收器数量、参考接收器选择）对学习型TDOA定位的影响。因此，本研究旨在通过一个基于物理的前馈多层感知器（FF-MLP）框架，将声速变异性和多径结构作为信息特征直接学习，并首次将接收器阵列几何作为中心设计变量，以恢复TDOA因差分而损失的精度，最终实现免同步的高精度定位。
**研究内容与结论**
研究人员在《Drones》期刊上发表了这项研究。他们采用BELLHOP声线追踪模型，基于地中海年平均声速剖面和EMODnet测深数据，模拟了二维（距离-深度）水下传播场景，生成了多接收器的首达时间。通过蒙特卡洛模拟，在相同框架下比较了同步TOA、有偏TOA（覆盖多个同步偏差水平）和TDOA三种表示，并系统研究了接收器深度分布、接收器数量以及TDOA参考接收器位置对定位精度的影响。主要结论包括：接收器阵列几何对TDOA定位性能起决定性作用，而非仅由测量表示本身决定；采用边缘集中（D5）或底部集中（D3）的深度分布，结合三层网络（C6）架构，可使无同步TDOA定位的中值二维RMSE降至约15.5–17.9 m（十接收器时），而同步TOA基线为7.43 m；进一步增加接收器至二十个，TDOA中值RMSE降至11.28 m，与同步TOA基线（4.44 m）的差距缩小至约2.5倍。该研究的重要意义在于证明，通过精心设计接收器几何，无同步TDOA可成为同步TOA的实用替代方案，特别适用于无法维持严格时间同步的自主水下平台。
**主要关键技术方法**
1. **声学传播模拟**：使用BELLHOP声线追踪模型（AcTUP V2.2l），基于地中海年平均声速剖面（来自文献[24]）和EMODnet高分辨率数字地形模型（沿纬度37.7539°N的测深断面，水深1939–2349 m），模拟20 km范围内源-接收器间的多径传播，提取首达时间。
2. **神经网络架构**：采用前馈多层感知器（FF-MLP），隐藏层使用双曲正切S型激活函数，输出层为线性，分别针对单隐层（30节点）、双隐层（30-20）、三隐层（30-20-20）架构进行训练，训练算法为贝叶斯正则化（BR）。
3. **测量表示生成**：将原始到达时间分别处理为同步TOA（N维）、有偏TOA（加性公共偏差，均匀分布）和TDOA（以指定参考接收器为基准，N-1维），均通过1000次独立噪声实现平均以稳定测量。
4. **性能评估协议**：采用70/15/15训练/验证/测试划分，对每个配置组合进行100次蒙特卡洛运行，统计中值和95%分位数的深度RMSE、距离RMSE和二维RMSE。所有模拟均在MATLAB R2025b环境下完成。
**研究结果**
**4.1 参考几何下TOA、有偏TOA和TDOA的比较**
使用四接收器垂直阵列（深度100、700、1300、1900 m），比较了六种网络配置（C1–C6）在同步TOA、五个有偏TOA水平（偏差上限从0.1 s到2 s）和TDOA下的性能。同步TOA下，C3（双隐层）取得最低中值二维RMSE（6.16 m）；有偏TOA在所有偏差水平下距离误差显著增大（中值二维RMSE在29–450 m范围），且多隐层架构仅能部分补偿；TDOA下深度误差接近同步TOA，但距离误差高达54–198 m，表明该几何下TDOA难以恢复范围信息。结论：四接收器垂直阵列中，TDOA无法替代同步TOA，但前者因免同步更具部署意义。
**4.2 接收器深度分布的影响**
将接收器数量增至十个，评估五种深度分布（均匀D1、表面集中D2、底部集中D3、中心集中D4、边缘集中D5）对TDOA定位的影响。采用C2、C4、C6三种网络架构，参考接收器分别为最深（1900 m）和最浅（50 m）。结果显示，D3和D5分布显著优于其他分布，在C6架构下中值二维RMSE分别达到15.56 m和17.87 m（最深参考），较四接收器基线（55.26 m）改善约3.6倍。D5分布因空间采样更均衡，对参考接收器位置不敏感，被选为后续分析的最佳几何。
**4.3 与最佳TDOA配置下的有偏TOA比较**
在D5-C6和D3-C6两种十接收器配置下，比较TDOA与有偏TOA（五个偏差水平）的性能。有偏TOA在所有偏差水平下中值二维RMSE均高于TDOA（例如，D5-C6下TDOA为18.73 m，而有偏TOA在最小偏差0.1 s时即达37.66 m）。D5-C6在偏差下表现出更稳健的深度估计，其TDOA性能优于有偏TOA。结论：在所考察的整个偏差范围内，TDOA始终优于有偏TOA，且D5-C6配置最为偏差鲁棒。
**4.4 D5分布下接收器数量的影响**
在D5分布下，将接收器数量N从6增至20，评估C2、C4、C6架构的TDOA性能。性能随N增加单调改善，但超过16个接收器后改善趋于平缓。C6架构在N=20时达到最低中值二维RMSE（11.28 m），与同步TOA基线（4.44 m）的差距缩小至约2.5倍。结论：边缘集中分布下，16个接收器已接近性能饱和点，进一步增加收益有限。
**4.5 TDOA参考接收器位置的影响**
固定二十接收器D5-C6配置，改变参考接收器位置（20个深度位置），评估TDOA性能。中值二维RMSE在所有参考位置下保持在10.84–11.28 m的窄带内（总跨度<0.5 m），表明参考接收器选择对性能影响极小。结论：当接收器数量足够且分布合理时，阵列整体特性主导定位精度，而非单个参考节点。
**总结与讨论**
本研究系统证明了接收器阵列几何而非测量表示本身是决定无同步TDOA水下定位精度的关键因素。通过采用边缘集中深度分布（D5）和足够数量的接收器（如二十个），三维网络（C6）架构下的TDOA定位可达到中值二维RMSE 11.28 m，逼近需要精确时间同步的同步TOA性能（4.44 m），差距约2.5倍。由于实际部署中保持严格同步非常困难，这一结果表明精心设计的接收器几何可使无同步TDOA成为自主水下平台定位的实用替代方案。论文同时指出未来方向：需扩展至三维定位、水平或分布式阵列、评估环境不确定性（如SSP季节性变化）的鲁棒性、考虑接收器位移和短期环境扰动，并最终通过实际海上数据验证。
