基于稳健AOA的异构脉冲噪声下分布式水下声学传感器网络定位方法

《Ocean Engineering》：Robust AOA-based localization for distributed underwater acoustic sensor networks under heterogeneous impulsive noise

　　•基于AOA的分布式水下声学传感器网络鲁棒定位方法。该方法通过学生t分布处理异构重尾噪声。在IRGLS估计器中嵌入自适应噪声尺度学习机制。针对异构t分布的AOA测量噪声推导出多帧Cramér–Rao下界。利用分布式声学传感器网络在湖泊中进行的试验验证了SAGLS方法的鲁棒性。

引言
自主海洋系统被越来越多地用于环境监测、资源勘探、海上安全以及长期海洋观测（Paull等人，2014年；Yoon和Qiao，2012年；Nandyala和Cho，2025年）。在动态的海洋环境中，可靠的态势感知与导航是这类系统运行的基础。这些平台需要在强水流、变化的声速分布、多路径传播以及间歇性通信条件下工作。在这样的环境下，精确且鲁棒的定位成为导航、协同行为以及高级决策的基本前提（Jiang等人，2021年；Luo等人，2021年；Shi等人，2022年；Xu等人，2023年；Fogh S?rensen等人，2025年）。

为应对这些挑战，现代海洋传感架构越来越依赖多源信息融合，整合来自固定海底节点、系泊或漂浮浮标、自主水下航行器以及水面船舶的测量数据（Kim，2021年；Fan等人，2025年）。这些配备水下声学阵列的分布式平台构成了水下声学传感器网络，可为被动定位和态势感知提供多源测量数据（Isik和Akan，2009年；Xian等人，2025年；Qin等人，2024年；Wang等人，2020年；Zong等人，2026年）。然而，这些不同来源的测量数据在空间覆盖范围、噪声统计特性以及可靠性方面存在差异，因此需要合理的融合方法才能实现真正的自主性。

与到达时间、到达时间差以及接收信号强度等方法相比（Liang等人，2013年；Aubry等人，2023年；Chen等人，2024年），基于到达角度的被动定位因对同步要求较低而在分布式水下声学传感器网络中被广泛使用。不过，传统的AOA融合方法依赖于伪线性最小二乘法或最大似然法等估计器，而这些方法大多基于理想的高斯噪声假设。在浅水环境中，多路径传播、界面反射以及间歇性干扰常常会导致严重的重尾误差，使得定位精度下降（Zhang等人，2024年；Kuruo?lu，2002年；Tu等人，2026年；Rie?和Slomka，2020年）。

为应对实际水下工作条件下的非高斯重尾噪声问题，目前关于鲁棒定位的研究主要沿着几条技术路线发展。基于M估计的策略通过重构代价函数来减轻较大残差的影响（Yan等人，2018年）。迭代加权工具变量法可在保持对突发干扰抵抗能力的同时纠正伪线性偏差（Nguyen等人，2019年）。非凸稀疏优化则利用异常值的稀疏特性来应对极端非高斯场景（Yan和Chen，2021年；Yan等人，2024年）。尽管有这些进展，但仍无法完全解决实际环境中分布式水下AOA定位的难题。现有的研究空白可总结为以下几点：
(1)实际的水下声学环境由于突发干扰、环境变化以及多路径传播等因素，常常会产生重尾性的AOA误差（Lakshmipathi和Anand，2004年；Chen等人，2025年）。但在许多现有的AOA定位框架中，缺乏对这种重尾统计特性的明确建模，尤其是在分布式水下场景中。
(2)空间环境的不均匀性，如声速分布的变化以及局部水深差异，会导致各传感器具有不同的传播条件以及严重的多路径效应，从而使分布式传感器之间的AOA测量质量出现显著差异（Aulanier等人，2013年；Li等人，2023年；Zhao等人，2024年）。然而，现有的鲁棒AOA定位方法很少对这种异构的测量不确定性进行明确建模。

为应对复杂水下环境中分布式传感器所面临的突发干扰以及异构的AOA测量不确定性，本文提出了一种自适应噪声尺度的迭代加权广义最小二乘方法，即SAGLS算法，用于实现鲁棒的AOA定位。本研究的主要贡献如下：
(1)采用独立的student’s t分布对AOA测量误差进行建模，并引入传感器特定的噪声尺度参数，从而在统一的统计框架下捕捉重尾干扰以及传感器间的差异性。
(2)开发了一种基于多帧AOA测量的传感器特定噪声尺度估计方法，将估算得到的尺度参数应用于迭代加权广义最小二乘求解器中，以实现在不同噪声条件下的鲁棒AOA定位。
(3)在所采用的异构student’s t噪声模型下推导出多帧Cramér–Rao下界，为异构重尾AOA定位提供理论性能基准。
(4)通过大量的蒙特卡洛模拟以及利用分布式水下声学传感器网络在湖泊中进行的实验，验证了所提方法的有效性与实际鲁棒性。

本文的其余结构如图1所示。第2节在student’s t分布噪声条件下阐述AOA定位问题，并推导出多帧Cramér–Rao下界。第3节介绍所提出的SAGLS算法。第4节通过蒙特卡洛模拟评估算法性能。第5节通过湖泊实验验证该方法。第6节对全文进行总结。

问题陈述与建模
本节为在复杂传播环境中工作的分布式水下声学传感器网络中的基于AOA的定位建立统一的几何与统计框架。首先利用接收到的声学信号进行方位估计，得到后续定位模型中所使用的AOA测量值。接着建立AOA测量值与目标位置之间的几何关系，进而得到相应的非线性观测方程。

提出的方法
本节介绍了所提出的SAGLS框架，该框架旨在为在重尾且异构测量噪声条件下的分布式水下声学传感器网络实现鲁棒的基于AOA的定位。如图3所示，SAGLS算法包含两个处理阶段：(i)噪声尺度学习；(ii)考虑尺度因素的定位。在第一阶段，通过EM算法从多帧AOA测量数据中估算出传感器特定的噪声尺度参数{σi2}。在第二阶段，则利用这些估算得到的尺度参数...

仿真结果
本节通过仿真结果来评估所提出的SAGLS算法在复杂水下声学环境中、面对重尾且异构噪声条件时的AOA定位性能。这些仿真旨在模拟真实的水下环境，重点考察算法的收敛性、鲁棒性以及对关键噪声参数的敏感性。通过在不同类型的突发干扰及异构噪声条件下进行的大量蒙特卡洛实验...

湖泊实验验证
为评估所提出的SAGLS定位方法在真实水下环境条件下的鲁棒性及实际应用能力，本文利用分布式水下声学传感器网络在湖泊中开展了实验。与受控的仿真场景不同，实地实验旨在评估在存在复杂环境因素时的定位性能，这些因素包括重尾性的AOA测量误差以及传感器特定的噪声差异...

结论
本研究针对自主海洋系统实现可靠态势感知这一关键问题，重点研究了分布式水下声学传感器网络中基于AOA的鲁棒定位技术。在动态的海洋环境中，不断变化的传播条件以及突发干扰不可避免地会导致分布式传感器之间出现异构的测量不确定性，从而严重制约传统定位算法的性能。为克服这些限制，本文提出了相应的解决方案...

作者贡献说明
周志豪：撰写——初稿、软件、方法论、研究、正式分析、概念设计。史阳：撰写——审阅与编辑、验证、研究、数据整理。王璐：可视化、研究。杨龙：资源协调、数据整理。杨益欣：监督、数据整理。李晓渊：验证。

利益冲突声明
作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。

致谢
本研究得到了浙江省“先锋”计划和“领雁”计划的支持（项目编号2024C03275(SD2)），同时 juga获得了国家自然科学基金（项目编号12174312）以及国家关键研发计划（项目编号2021YFB3203001）的资助。

周志豪|史阳|王璐|杨龙|杨益欣|李晓渊