摘要：针对水下认知声学网络（UCAN）中的环境感知问题，提出一种针对海洋哺乳动物的被动定位（PLM）算法及相应的基于多普勒效应的测速算法SMD。PLM算法基于海洋哺乳动物发声信号声源级范围，结合接收信号强度，运用检索筛选的方法推算发声位置。SMD在PLM定位的基础上，利用接收生物信号的多普勒效应对其运动测速。实验结果表明，PLM与SMD均能达到较高的精度，其中PLM算法的平均定位误差随海豚游速的增加而增加，其平均值约为10m，定位成功率可达到90%。PLM和SMD结合，可较准确地估计海洋哺乳动物的运动区域。
关键词：水下认知声学网络；海洋哺乳动物；定位算法；测速算法；多普勒频移
0引言
近年来，水声传感器网络在海洋资源勘探、灾难预警及军事等众多领域的应用，引起了研究者的广泛关注 [1-3]。水声信道可用的频率资源十分有限，通常从十几赫兹到几百千赫兹，且频率这一稀缺资源没有得到充分的利用[4]。水声网络中的空闲监听可能在时间上造成频谱的浪费，水声网络中的定向发送和接收可能在空间上导致频谱的浪费。因此，不少学者开始将目光转向一种智能的水声传感器网络——水下认知声学网络（Underwater Cognitive Acoustic Networks， UCAN）[5]。与陆地无线认知网络类似，UCAN中存在两类用户：主用户和认知用户。认知用户通过感知周围频谱的利用情况，灵活调整自身的频率、功率或其他参数，在保证不和主用户冲突的情况下，提高频谱利用率。文献[6]提出了一个接收机发起频谱管理系统（Receiver Initiated Spectrum Management，RISM），该系统以协作频谱感知、有效的频谱共享和先进的频谱决策算法为特征。仿真实验证明RISM可以在树形拓扑和网状拓扑网络中有效运作，并实现无冲突的数据传输。文献[7]中提出了频谱发现水下网络（Spectrum-aware Underwater Networks，SUN）和认知声通信（Cognitive Acoustic Communications，CAC）的概念，分析并用实验证明了CAC的运用带来的容量增益，并分析了容量增益与频谱管理时延之间的权衡关系。文献[8]中为描述声信道容量建立了一个差分感知模型，该模型可以帮助研究者更加直观地了解频谱发现水下网络和网络中运用的技术，如动态频谱发现技术。
在海洋中，UCAN的人工声学系统与海洋生物构成的天然声学系统共享频谱[5]。然而，到目前为止，大多数UCAN的研究都集中在单一的网络情景中，主要解决UCAN的频谱发现、频谱管理、频谱分配问题，较少考虑到UCAN对水生生物，特别是海洋哺乳动物的影响。为了促进UCAN与水下生态系统的和谐发展，UCAN应掌握海洋哺乳动物位置、通信频率使用情况等信息，以便对UCAN的通信进行合理调度。这一切的基础是确定海洋哺乳动物的运动区域，例如UCAN中的功率控制算法需要获取位置信息。因此本文研究并提出一种针对海洋哺乳动物的被动定位算法与一种基于多普勒效应的速度估计算法。