针对海洋哺乳动物的被动定位算法

　　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。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。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）。

　　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10 m，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。