自主水下航行器集群组网技术发展与展望

于洋; 孙思卿; 张立川; 潘光; 王鹏

doi:10.11993/j.issn.2096-3920.2024-0055

自主水下航行器集群组网技术发展与展望

doi: 10.11993/j.issn.2096-3920.2024-0055

于洋^{1, 2, 3},
孙思卿^{1, 2, 3},
张立川^{1, 2},
潘光^{1, 2},
王鹏^{1, 2}

1.
西北工业大学航海学院, 陕西西安, 710077
2.
西北工业大学翱翔重点实验室, 陕西西安, 710077
3.
西北工业大学深圳研究院, 广东深圳

基金项目: 国家级军口纵向项目资助(2021YFC2803000, 2021YFC2803001).

详细信息

作者简介:
于洋：于　洋(1982-), 男, 博士, 副教授, 主要研究方向为自主水下航行器集群、组网通信、协同探测及水下声音事件检测

中图分类号: U662, TJ630
计量
- 文章访问数: 12
- HTML全文浏览量: 2
- PDF下载量: 5
- 被引次数: 0
出版历程
- 收稿日期: 2016-11-19
- 修回日期: 2016-12-18
- 录用日期: 2024-04-15
- 网络出版日期: 2024-04-17

Development and Future Trends of Autonomous Underwater Vehicle Swarming and Networking Technologies

YU Yang^{1, 2, 3},
SUN Siqing^{1, 2, 3},
ZHANG Lichuan^{1, 2},
PAN Guang^{1, 2},
WANG Peng^{1, 2}

1.
School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an 710072, China
2.
Key Laboratory of Aoxiang, Northwestern Polytechnical University, Xi’an 710000, China
3.
Shenzhen Institute of Northwestern Polytechnical University, Shenzhen 518000, China

摘要

摘要: 自主水下航行器的应用领域广泛, 可在复杂且危险的水下环境中执行任务, 如海洋资源勘探、水域监测和区域拒止等。然而, 单个航行器搭载传感器的类型和数量有限, 无法满足水下环境任务多样、作业区域广以及作业时间长的需求。因此, 自主水下航行器集群组网技术的发展显得尤为重要。自主水下航行器借助水声通信、协同探测和控制决策等关键技术, 实现自主水下航行器的集群组网, 形成同构或异构集群进行协同作业。通过集群组网, 可以充分发挥不同航行器平台的能力优势, 实现多平台之间的信息共享、任务协同和资源整合, 从而自主完成更复杂的海上作业任务。这种集群化的作业方式不仅提高了任务执行效率, 还可降低作业成本, 并提升海洋领域的探测、监测和应对能力。文中介绍了国内外自主水下航行器集群组网研究现状, 总结了相关关键技术和挑战, 展望了未来发展趋势, 为开展自主水下航行器集群基础理论研究与实践应用研究提供参考。
- 自主水下航行器集群 /
- 水声通信 /
- 协同探测 /
- 控制决策
Abstract: Autonomous Underwater Vehicle (AUV) are employed across a wide range of applications, capable of undertaking various tasks in dangerous, harsh, and challenging underwater environments. These tasks include ocean resource exploration, water monitoring, and area denial, among others. However, the type and amount of sensors that a single AUV can carry are limited, unable to meet the diverse requirements for tasks in marine environments, including the need for extensive operational areas and prolonged operation periods. Thus, the development of swarming and networking technologies for AUV clusters is particularly significant. Utilizing key technologies such as underwater acoustic communication, cooperative detection, and control decision-making, AUVs can achieve networking and coordination among different types of vehicle platforms, forming either homogeneous or heterogeneous clusters for collaborative operations. Through such swarming and networking, the capabilities of underwater vehicle can be fully utilized, enabling information sharing, task cooperation, and resource integration among multiple platforms, thereby autonomously completing more complex maritime operations. This clustering approach not only improves the efficiency of task execution but also reduces operational costs and enhances detection, monitoring, and response capabilities in the marine domain. This paper introduces the research status of autonomous underwater vehicle swarm, summarizes the key technologies and challenges, and looks forward to future trends, providing a reference for foundational theoretical research and practical application studies in the field of autonomous underwater vehicle clusters.
- Autonomous Underwater Vehicle Swarm /
- Underwater Acoustic /
- Collaborative detection /
- Control decision-making

HTML全文

图 1 Seaweb示意图

Figure 1. Overview of SeaWeb system

下载: 全尺寸图片幻灯片

图 2 可部署自主分布式系统

Figure 2. Deployable Autonomous Distributed System

下载: 全尺寸图片幻灯片

图 3 分布式侦察与探测的协作自主性系统

Figure 3. Cooperative Autonomy for Distributed Reconnais-sance and Exploration

下载: 全尺寸图片幻灯片

图 4 近海水下持续监视网络

Figure 4. Persistent Littoral Undersea Surveillance Network

下载: 全尺寸图片幻灯片

图 5 GREX系统示意图

Figure 5. Overview of GREX system

下载: 全尺寸图片幻灯片

图 6 GREX所联通的航行器

Figure 6. Vehicles connected by GREX

下载: 全尺寸图片幻灯片

图 7 SwarmDiver水下微小航行器集群

Figure 7. SwarmDiver underwater micro vehicle cluster

下载: 全尺寸图片幻灯片

图 8 探索100集群

Figure 8. Explore 100 clusters

下载: 全尺寸图片幻灯片

图 9 海翼水下滑翔机参加印度洋航次任务

Figure 9. Sea wing underwater glider participates in the Indian Ocean voyage mission

下载: 全尺寸图片幻灯片

图 10 智能敏捷海洋立体观测仪示意图

Figure 10. Schematic diagram of intelligent and agile ocean stereo observation instrument

下载: 全尺寸图片幻灯片

图 11 UUV集群感知系统架构图

Figure 11. Architecture diagram of UUV cluster perception system

下载: 全尺寸图片幻灯片

图 12 卷积神经网络结构图

Figure 12. Structure diagram of convolutional neural networks

下载: 全尺寸图片幻灯片

图 13 搭载侧扫声呐的UUV集群感知原理图

Figure 13. Schematic diagram of UUV cluster perception equipped with side scan sonar

下载: 全尺寸图片幻灯片

图 14 UUV集群与动态目标的微分博弈与MATD3

Figure 14. Differential game and MATD3 of UUV cluster and dynamic targets

下载: 全尺寸图片幻灯片

表 1 国内外一些典型的无人水下集群组网作业系统

类型	应用项目或系统名称	单位	系统功能及项目内容	重要时间节点
同构集群	AOSNⅡ	奥地利Ganz人工生命实验室	由41个UUV组成, 主要用于水下监测和搜索, 对海洋空间进行长时间的数据收集, 并预测海洋的物理特性	2011年发布, 2015年进行水下试验。
	CNAV	美国国防高级研究计划局 (DARPA)	利用多个UUV通过共享声学网络分发数据, 开展水下目标探测、定位和跟踪	2009年开始部署。
	SwarmDiver	美国加州大学和美国Aquabotix公司	可模仿海洋浮游生物的行为, 在三维空间内以集群模式采集海洋环境信息	进行了16个微小水下探索者组成的水下试验, 2018年投入市场。
	探索100	中国科学院沈阳自动化研究所	在突破无人潜水器集群控制组网观测等关键技术的基础上, 实现了基于声通信的多AUV组网观测应用。	2019—2020年, 由多台“探索100”组成的水下机器人组网观测系统开展了多项海洋特征观测海上试验及示范应用。
	海翼	中国科学院沈阳自动化研究所	印度洋联合海洋与环境研究计划(JAMES研究计划)冬季调查任务	2021年, 8台“海翼”水下滑翔机成功完成西太平洋集群观测应用。
	海燕	天津大学	将基于人工势场法的异构控制系统应用到滑翔机集群的运动规划之中。	2017年8月, 由海燕完成了针对海洋“中尺度涡”的海洋立体综合观测网构建阶段性任务。
	海翔	中国船舶科学研究中心	提出了基于5艘航行器编队的集群探测方案, 为深海探测和监测提供了可行性方案。	2016年, 由中心研发的“海翔”水下滑翔器系列成功进行了编队组网作业, 通过海上试验获得了丰富的海洋环境测量数据, 为海洋环境监测提供了关键基础数据。
	翱翔	西北工业大学	针对浅水濒海区域水下目标探测的需求, 开展了水下航行器自主跟踪目标、多航行器探测等技术研究。	2021年7月, 西北工业大学利用3台“勇毅”号水下航行器实现了集群三角队形和一字队形的快速变换和高精度保持, 为形成颠覆性的探测能力奠定了基础。
异构集群	CADRE	美国Bluefin机器人技术公司	利用了3种无人平台进行导航与控制, 共同完成侦察与探测任务。	2004年完成湖上试验, 2006年公开该系统。
	Seaweb	美国海军	广域海网(Seaweb)是由海底固定水声节点、移动节点等组成的异构水声通信集群网络。	在2001年的Seaweb2001演习中, 美国共布设了40个通信节点, 并利用潜艇“USS Dolphin”号在布网区域中进行了有关网络性能的现场测试。
	DADS	美国海军	该系统由14个固定节点和数个移动节点组成, 其中包括2个传感器节点、2个浮标网关节点和10个遥控声呐中继节点, 同时UUV作为移动节点加入网络。	2001年6月, 美国海军在2001年6月进行了DADS应用的舰队作战试验。
	PLUSNet	美国海军研究办公室	该项目由美国海军研究办公室(ONR)支持由固定式和移动式平台平台构成, 包括搭载声学阵列的潜标节点, 装备拖曳阵的水下无人航行器, 以及携载水听器和水文传感器的水下滑翔机等。	该项目于2005年开始启动研制, 旨在完善和强化综合水下监控系统体系化及操作能力。
	潜艇-UUVs-无人机”子母式协同作战	美国通用动力公司	潜艇发射Bluefin-21型UUV, Bluefin21发射2枚“沙鲨”小型UUV, 此基础上用浮筒发射微型无人机, 无人机作为潜艇和“沙鲨”间的通信中继, 实现跨域通信与指挥。	2016年完成演示。
	Grex	德国、意大利、葡萄牙、挪威、法国等	核心是解决多UUV导航及编队控制、通信等问题, 主要任务是基于多个异构UUV的协作完成海底地图测绘。	始于2006年, 2008、2009年海试成功完成了多UUV协作下的海洋环境绘图任务, 2009年结题。
	“无人无缆潜水器组网作业技术与应用示范“项目	浙江大学	构建了包含3类、54台套的异构潜水器网络系统。	2017-2021年, 浙江大学, 将异构集群应用于中尺度涡动力现象观测、水下声学环境测量与目标探测、海域环境特征的开发中。
	智能敏捷海洋立体观测系统(ISOOS)	南方海洋科学与工程广东省实验室	以智慧母船为支撑载体, 通过空、海、潜无人平台跨域组网, 研制一套“智能敏捷海洋立体观测仪, 创新海洋观测模式, 实现对复杂海洋任务的智能、快速、同步、立体观测。	2022年, 自然科学基金委重大科研仪器项目“智能敏捷海洋立体观测仪(ISOOD)”立项, 2023年2月, 项目启动。

下载: 导出CSV

参考文献(57)

[1]	吕枫, 翦知湣. 海底观测网技术研究与应用进展[J]. 前瞻科技, 2022, 1(2): 79-91. Lv Feng, Jian Zhimin. Technology research and application progress of seafloor observation network[J]. Science and Technology Foresight, 2022, 1(2): 79-91.
[2]	王汉刚, 刘智, 张义农, 等. 水下作战的发展分析与启示[J]. 舰船科学技术, 2015(4): 246-250. Wang Hangang, Liu Zhi, Zhang Yinong, et al. The analysis and elicitation of development on under sea warfare[J]. Ship Science and Technology, 2015(4): 246-250.
[3]	张杨, 周作鹏, 田燕妮. 基于分布式概念的水下无人作战系统发展研究[J]. 舰船科学技术, 2023, 45(21): 119-124. doi: 10.3404/j.issn.1672-7649.2023.21.022 Zhang Yang, Zhou Zuopeng, Tian Yanni. Development of distributed underwater unmanned combat[J]. Ship Science and Technology, 2023, 45(21): 119-124 doi: 10.3404/j.issn.1672-7649.2023.21.022
[4]	邱志明, 马焱, 孟祥尧, 等. 水下无人装备前沿发展趋势与关键技术分析[J]. 水下无人系统学报, 2023, 31(1): 9. Qiu Zhiming, Ma Yan, Meng, Xiangyao, et al. Analysis on the development trend and key technologies of unmanned underwater equipment[J]. Journal of Unmanned Undersea Systems, 2023, 31(1): 9.
[5]	杨绍琼, 李元昊, 孙通帅, 等. "海燕"号谱系化水下滑翔机技术发展与应用[J]. 水下无人系统学报, 2023, 31(1): 18. Yang Shaoqiong, Li Yuanhao, Sun Tongshuai, et al. Development and Application of Petrel Serialized Underwater Glider Technologies[J]. Journal of Unmanned Undersea Systems, 2023, 31(1): 18.
[6]	潘光, 宋保维, 黄桥高, 等. 水下无人系统发展现状及其关键技术[J]. 水下无人系统学报, 2017, 25(1): 44-51. Pan Guang, Song Baowei, Huang Qiaogao, et al. Journal of Unmanned Undersea Systems, 2017, 25(1): 44-51.
[7]	Aquabotix SwarmDiver. A micro drone for ocean swarming[EB/OL]. [2018-04-10]. https://www.therobotreport.com/aquabotix-swarmdiver-ocean-swarming/.
[8]	张伟, 王乃新, 魏世琳, 等. 水下无人潜航器集群发展现状及关键技术综述[J]. 哈尔滨工程大学学报, 2020, 41(2): 289-297. Zhang Wei, WANG Naixin, WEI Shilin, et al. Overview of unmanned underwater vehicle swarm development status and key technologies[J]. Journal of Harbin Engineering University, 2020, 41(2): 289-297.
[9]	刘乐华, 赵蛟龙, 巩天成. 美国水下无人系统发展趋势分析[J]. 数字海洋与水下攻防, 2019(1): 6. Liu Lehua, Zhao Jiaolong, Gong Tiancheng. Analysis on development trend of US unmanned undersea systems[J]. Digital Ocean & Underwater Wafare, 2019(1): 6.
[10]	韦韬, 朱遴, 梁世龙. 水下无人系统集群感知与协同技术发展[J]. 指挥控制与仿真, 2022, 44(5): 8. Wei Tao, Zhu Lin, Liang Shilong. Research on perception and cooperation technologies for underwater unmanned system swarm[J]. Command Control & Simulation, 2022, 44(5): 8.
[11]	Kalwa J. Final results of the European project GREX: Coordination and control of cooperating marine robots[J]. IFAC proceedings volumes, 2010, 43(16): 181-186. doi: 10.3182/20100906-3-IT-2019.00033
[12]	Kalwa J. The GREX-Project: Coordination and control of cooperating heterogeneous unmanned systems in uncertain environments[C]//OCEANS 2009-EUROPE. IEEE, 2009: 1-9.
[13]	周宏坤, 葛锡云, 邱中梁, 等. UUV集群协同探测与数据融合技术研究[J]. 舰船科学技术, 2017, 39(12): 6. Zhou Hong-kun, Ge Xi-yun, Qiu Zhong-liang, et al. Research on UUVs cooperative detection and data fusion[J]. Ship Science and Technology, 2017, 39(12): 6.
[14]	张少伟, 俞建成, 张艾群, 等. 多水下机器人自主海洋特征场跟踪研究[J]. 科学通报, 2013(58): 67-74. Zhang Shaowei, Yu Jiancheng, Zhang Aiqun, et al. Tracking strategy analysis with multi underwater vehicles for ocean feature[J]. Chinese Science Bulletin, 2013(58): 67-74.
[15]	科技日报. [我国实现大规模多类型无人无缆潜水器组网作业] [EB/OL]. [2021-9-24]. http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2021-09/24/content_522487.htm?div=-1.
[16]	褚福硕, 司宗尚, 庞重光, 等. 海翼水下滑翔机测流应用[J]. 海洋科学, 2022, 46(05): 10-16. LI Shuo, WU Yuan-tao, LI Chen, ZHAO Hong-yu, LI Yi-ping. Application and Prospect of Unmanned Underwater Vehicle. Bulletin of Chinese Academy of Sciences, 2022, 37(7): 910-920.
[17]	Yang Yan, Wang Shuxin, Wu Zhiliang, et al. Motion planning for multi-HUG formation in an environment with obstacles[J]. Ocean engineering, 2011, 38(17/18): 2262-2269.
[18]	Xue D Y, Wu Z L, Wang Y H, et al. Coordinate control, motion optimization and sea experiment of a fleet of Petrel-II gliders[J]. Chinese Journal of Mechanical Engineering, 2018, 31(1): 1-15. doi: 10.1186/s10033-018-0219-4
[19]	Li S, Wang S, Zhang F, et al. Constructing the three-dimensional structure of an anticyclonic eddy in the South China Sea using multiple underwater gliders[J]. Journal of Atmospheric and Oceanic Technology, 2019, 36(12): 2449-2470.
[20]	高伟, 杨建, 刘菊, 等. 基于水声通信延迟的多UUV协同定位算法[J]. 系统工程与电子技术, 2014, 36(3): 7. Gao Wei, Yang Jian, Liu Ju, et al. Cooperative location of multiple UUVs based on hydro-acoustic communication delay[J]. Systems Engineering and Electronics, 2014, 36(3): 7.
[21]	高伟, 刘亚龙, 徐博. 基于双领航者的多AUV协同导航系统可观测性分析[J]. 系统工程与电子技术, 2013, 35(11): 6. Gao Wei, Liu Yalong, Xu Bo. Obeservability analysis of cooperative navigation system for multiple AUV based on two-leaders[J]. Systems Engineering and Electronics, 2013, 35(11): 6.
[22]	徐文, 李建龙, 李一平, 陈惠芳, 杨绍琼, 曾俊宝, 王延辉. 无人潜水器组网观测探测技术进展与展望[J]. 前瞻科技, 2022, 1(2): 60-78. Xu Wen, Li Jian-long, Li Yiping, Chen Huifang, Yang Shao-qiong, Zeng Jun-bao, Wang Yan-hui. Networks of Unmanned Underwater Vehicles for Ocean Exploration: Advances and Prospects[J]. Science and Technology Foresight, 2022, 1(2): 60-78.
[23]	宋保维, 潘光, 张立川, 等. 自主水下航行器发展趋势及关键技术[J]. 中国舰船研究, 2022, 17(5): 27-44. Song Baowei, Pan Guang, Zhang Lichuan, et al. Development trend and key technologies of autonomous underwater vehicles[J]. Chinese Journal of Ship Research, 2022, 17(5): 27-44.
[24]	Lidström V, Erstorp E S, Nordenvaad M L, et al. Non-coherent acoustic modulation for energy constrained underwater platforms[C]//OCEANS 2019, Marseille. IEEE, 2019: 1-7.
[25]	马璐, 温梦华, 乔钢, 等. 无人水下航行器声通信系统设计与应用[J]. 鱼雷技术, 2018, 26(5): 449-455. Ma Lu, Wen Menghua, Qiao Gang, et al. Design and application of acoustic communication system for unmanned undersea vehicle[J]. Journal of Unmanned Undersea Systems, 2018, 26(5): 449-455.
[26]	Rodionov A Y, Kulik S Y, Unru P P. Some trial results of the hydro acoustical communication system operation for AUV and ASV group control and navigation[C]//OCEANS 2016 MTS/IEEE Monterey. IEEE, 2016: 1-8.
[27]	Qiao G, Zhao Y, Liu S, et al. Doppler scale estimation for varied speed mobile frequency-hopped binary frequency-shift keying underwater acoustic communication[J]. The Journal of the Acoustical Society of America, 2019, 146(2): 998-1004. doi: 10.1121/1.5119263
[28]	徐亮. 基于改进UKF算法的多AUV协同导航方法研究[D]. 中北大学, 2020.
[29]	季赵胜, 王海燕, 申晓红, 等. 基于VTR-PLFM扩频调制的移动水声通信方法[J]. 鱼雷技术, 2021(004): 029. Ji Zhaosheng, WANG Haiyan, Shen Xiaohong, et al. Mobile underwater acoustic communication method based on vtr-plfm spread spectrum modulation[J]. Journal of Unmanned Undersea Systems, 2021, 29(4): 391-399.
[30]	童峰, 高翔. 水声通信与组网[M]. 北京: 兵器工业出版社, 2020.
[31]	Onna Y, Suzuki T, Yamada H, et al. A 32 kHz bandwidth, 8 branch diversity underwater acoustic OFDM communication system[C]//2018 OCEANS-MTS/IEEE Kobe Techno-Oceans (OTO). IEEE, 2018: 1-5.
[32]	赵世铎, 鄢社锋. 基于扩展路径识别算法的水声OFDM系统低复杂度迭代稀疏信道估计[J]. 电子与信息学报, 2021, 43(3): 6. Zhao Shiduo, Yan Shefeng. Low-complexity iterative sparse channel estimation for underwater acoustic OFDM systems based on generalized path identification algorithm[J]. Journal of Electronics & Information Technology, 2021, 43(3): 6
[33]	Feng C, Luo Y, Zhang J, et al. An OFDM-based frequency domain equalization algorithm for underwater acoustic communication with a high channel utilization rate[J]. Journal of Marine Science and Engineering, 2023, 11(2): 415. doi: 10.3390/jmse11020415
[34]	Pu Z, Wang W, Li Y, et al. Doppler tracking and fast compensation for OFDM transmission via non-stationary underwater platforms[J]. Journal of Intelligent & Fuzzy Systems, 2018, 35(3): 2985-2996.
[35]	Zhou Y, Tong F. Research and development of a highly reconfigurable OFDM MODEM for shallow water acoustic communication[J]. IEEE Access, 2019, 7: 123569-123582. doi: 10.1109/ACCESS.2019.2936933
[36]	Li B, Huang J, Zhou S, et al. MIMO-OFDM for high-rate underwater acoustic communications[J]. IEEE Journal of Oceanic Engineering, 2009, 34(4): 634-644. doi: 10.1109/JOE.2009.2032005
[37]	Yan H, Zhou S, Shi Z, et al. DSP implementation of SISO and MIMO OFDM acoustic modems[C]//OCEANS'10 IEEE SYDNEY. IEEE, 2010: 1-6.
[38]	Li Z, Ventosa A B, Cuji D A, et al. MIMO-OFDM Over a 10 km Acoustic Link: An Experimental Study at the Suruga Bay, Japan[C]//OCEANS 2022, Hampton Roads. IEEE, 2022: 1-4.
[39]	Qin X, Diamant R. Joint channel estimation and decoding for underwater acoustic communication with a short pilot sequence[J]. IEEE Journal of Oceanic Engineering, 2023, 48(2): 526-541. doi: 10.1109/JOE.2022.3225006
[40]	Li D, Wu Y, Tao J, et al. Near-Optimal self-iterative VAMP equalization enabled by hadamard-haar random precoding[J]. IEEE Communications Letters, 2020, 24(6): 1249-1253. doi: 10.1109/LCOMM.2020.2981073
[41]	Yin J, Ge W, Han X, et al. Partial FFT demodulation with IRC in MIMO-SC-FDE communication over doppler distorted underwater acoustic channels[J]. IEEE Communications Letters, 2019, 23(11): 2086-2090. doi: 10.1109/LCOMM.2019.2937860
[42]	徐立军, 鄢社锋, 曾迪, 等. 全海深高速水声通信机设计与试验[J]. 信号处理, 2019, 35(9): 1505-1512. Xu Lijun, Yan Shefeng, Zeng Di, et al. Design and trial of the full-depth high-rate underwater acoustic communication modem[J]. Journal of Signal ProcessinG, 2019, 35(9): 1505-1512.
[43]	杨健敏, 王佳惠, 乔钢, 等. 水声通信及网络技术综述[J]. 电子与信息学报, 2023, 45(12): 1-22. Yang Jianmin, Wang Jiahui, Qiao Gang, et al. Review of underwater acoustic communication and network technology[J]. Journal of Electronics & Information Technology, 2024, 46(1): 1-21.
[44]	Costanzi R, Fenucci D, Manzari V, et al. Interoperability among unmanned maritime vehicles: Review and first in-field experimentation[J]. Frontiers in Robotics and AI, 2020, 7: 91. doi: 10.3389/frobt.2020.00091
[45]	Willett L. Moving the needle[J]. Janes Defence and Intelligence Review, 2023.
[46]	乔钢, 刘凇佐, 刘奇佩. 水声通信网络协议, 仿真与试验综述[J]. 水下无人系统学报, 2017, 25(3): 151-160. Qiao Gang, Liu Songzuo, Liu Qipei. Review of protocols, simulation and experimentation for underwater acoustic communication network[J]. Journal of Unmanned Undersea Systems, 2017, 25(3): 151-160.
[47]	沈新蕊, 王延辉, 杨绍琼, 等. 水下滑翔机技术发展现状与展望[J]. 水下无人系统学报, 2018, 26(2): 18. Shen Xinrui, Wang Yanhui, Yang Shaoqiong, et al. Development of underwater gliders: an overview and prospect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.
[48]	陈健瑞, 王景璟, 侯向往, 等. 挺进深蓝: 从单体仿生到群体智能[J]. 电子学报, 2021, 49(12): 2458-2467. Chen Jianrui, Wang Jingjing, Hou Xiangwang, et al. Advance into ocean: from bionic monomer to swarm intelligence[J]. Acta Electronica Sinica, 2021, 49(12): 2458-2467
[49]	贾宁, 黄建纯. 水声通信技术综述[J]. 物理, 2014, 43(10): 650-657. Jia Ning, Huang Jianchun. An overview of underwater acoustic communications[J]. PHYSICS, 2014, 43(10): 650-657.
[50]	严浙平, 曲思瑜, 邢文. 水下图像增强方法研究综述[J]. 智能系统学报, 2022, 17(5): 860-873. Yan Zheping, Qu Siyu, Xing Wen. An overview of underwater image enhancement methods[J]. CAAI Transactions on Intelligent Systems, 2022, 17(5): 860-873.
[51]	张亦弛, 朱晓强. 基于卷积神经网络的水下目标声呐检测系统[J]. 工业控制计算机, 2022, 35(7): 115-117. doi: 10.3969/j.issn.1001-182X.2022.07.044 Zhang Yichi, Zhu Xiaoqiang. Similarity algorithm of multiple time series based on convolution nenural network[J]. Industrial Control Computer, 2022, 35(7): 115-117. doi: 10.3969/j.issn.1001-182X.2022.07.044
[52]	李昱, 王俊雄. 基于卷积神经网络的 AUV 水下识别算法设计与实现[J]. 舰船科学技术, 2021, 43(4): 155-158. Li Yu, Wang Junxiong. Design and implementation of AUV underwater recognition algorithm based on convolutional neural network[J]. Ship Science and Technology, 2021, 43(4): 155-158.
[53]	Yu F, He B, Liu J X. Underwater targets recognition based on multiple AUVs cooperative via recurrent transfer-adaptive learning (RTAL)[J]. IEEE Transactions on Vehicular Technology, 2023, 72(2): 1574-1585. doi: 10.1109/TVT.2022.3211862
[54]	魏娜, 刘明雍, 程为彬. 基于D-S证据论的多AUV协同搜索决策[J]. 现代电子技术, 2020, 43(11): 5. Weina, Liu Mingyong, Cheng Weibin. Decision of multi-AUV cooperative search based on D-S evidence theory[J]. Modern Electronics Technique, 2020, 43(11): 5.
[55]	罗轩. 未知环境下基于蚁群算法的多无人机协同任务决策与规划方法研究[D]. 四川: 电子科技大学, 2023.
[56]	Wei W, Wang J, Du J, et al. Differential game-based deep reinforcement learning in underwater target hunting task[J]. IEEE Transactions on Neural Networks and Learning Systems, 2023.
[57]	Wang Z, Wen Z, Xia Q, et al. Deep reinforcement learning based multi-uuv cooperative control for target capturing[C]//2022 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech). IEEE, 2022: 1-6.