水下无人系统学报
Journal of Unmanned Undersea Systems
2024年第4期
空海跨域通信专栏
一种UAV-USV-UUV跨域协同时钟同步算法
署名作者：
于建宇, 林景胜, 闫敬*, 曹文强, 张诗杭, 杨睍
作者单位：
燕山大学 电气工程学院, 河北 秦皇岛, 066004
基金项目：
国家自然科学基金项目(62222314, 62033011); 河北省自然科学基金杰出青年科学基金项目(F2022203001); 河北省中央引导地方科技发展基金项目(226Z3201G); 河北省“三三三”基金项目(C20221019); 河北省自然科学基金燕赵青年科学家基金项目(F2024203047).
摘要
随着海洋科学技术的发展, 水下任务更加强调跨平台系统的协作, 然而不同应用场景对时钟同步的要求不同, 由于水下通信的弱通信与高延迟, 对涉及多场景的异构系统, 需要新的同步方法。针对随机时延影响下的全网时钟同步问题, 文中提出了基于神经网络的无人机(UAV)-无人水面艇(USV)-无人水下航行器(UUV)跨域协同的时钟同步算法。首先, 考虑随机时延影响, 将USV时钟作为基准时钟; 其次, 通过递推滤波和神经网络对UAV时钟偏差进行校正; 最后, USV辅助UUV估计水下的长时延, 设计了神经网络算法估计时钟漂移和时钟偏移。通过仿真验证了上述算法的有效性。
引言
时钟同步为异构系统任务提供统一的时间基准以确保各平台间信息交互的时间戳一致, 是系统进行协同任务的前提。例如: 在时钟同步环境下, 通过互易时间差可推算目标位置; 在协同控制中, 同步实时信息交互可用于指导无人系统运动等。因此, 时钟同步在空中侦察[1]、海上救援[2]及海底采矿[3]领域被广泛应用。
现有时钟同步的研究方案较多, 例如基于有色Petri网对以太网协议进行改进[4]的时钟同步算法, 也有针对工业以太网技术网络设计的提高时钟同步性能的算法[5]。文献[6]提出一种无限精确时间协议, 在保证同步精度的前提下, 有效缩短了同步时间。然而, 受海洋复杂环境的影响, 在实际情况中, 海洋设备需要在离线环境下执行任务, 导致其难以与互联网连接。因此, 有学者利用无人机(unmanned aerial vehicle, UAV)、无人艇(unmanned surface vessel, USV) 和无人水下航行器(unmanned undersea vehicle, UUV)的局部时钟完成全网时钟同步任务。例如: 文献[7]提出一种基于自适应动态拓扑的时间同步算法, 以同步UAV网络当前时钟; 文献[8]提出一种具有船舶自组织网络(ship Ad-Hoc network, SANET)多跳功能的逻辑时钟同步算法, 以满足海面船舶间的时钟同步要求; 文献[9]提出一种基于单锚点的时钟初始化算法, 以实现水下网络的低通信开销时钟同步。然而, 上述方法只针对电磁波或声学的单一通信环境进行设计, 无法直接应用于海空跨介质复杂通信环境。
在时钟同步过程中, 同步精度是衡量时钟同步算法的重要指标。文献[10]采用具备数据收发和信号传播时间测量功能的现代水下调制解调器以支持水下时钟同步; 文献[11]提出一种基于多尺度离散相位模型的萤火虫启发同步算法, 对同步性能进行优化; 文献[12]通过2次线性回归对时钟参数进行校准以提高时钟精度。但上述方法仅考虑定常延迟的情况, 无法对随机时延进行处理。为此, 文献[13]通过引入加权最大时间同步方法, 对随机通信延迟的影响进行抵消; 文献[14]提出基于最大似然估计的平均一致性时钟同步改进算法, 以实现无人机群在随机时延影响下的时钟同步; 文献[15]通过改变相对偏移估计, 保证了随机时钟漂移系数的收敛, 提高了同步精度。但上述方法忽略了时变的时钟漂移, 导致其在复杂随机时延场景下的时钟同步抗干扰能力差。为解决上述问题, 文献[16]采用反向传播(back propagation, BP)神经网络算法对无线传感器网络进行时钟同步。BP神经网络通过自适应调整权重和偏置参数, 能够学习和应对时变的时钟漂移特性, 使其在复杂随机时延场景下具备更高的精准度和抗干扰能力。相比之下, 最小二乘法在求解同步参数时容易陷入局部最优, 且对异常值和噪声较为敏感, 难以保持鲁棒性。在UAV和UUV等高动态环境中, 时钟偏移和网络延迟不断变化且具有非线性特征。最小二乘法依赖于固定模型和假设, 难以应对这些动态变化, 而BP神经网络通过其自适应机制, 可以持续学习和调整, 动态适应这些复杂变化, 从而提供更精确的同步。文献[17]在水下运动节点的基础上使用BP神经网络模型时钟同步误差补偿算法, 实现了水下运动节点的高精度时钟同步。但上述方法未对输入神经网络的基础数据进行滤波预处理。由于神经网络对输入数据的质量和分布非常敏感, 未经滤波处理的数据可能包含大量噪声和无关特征, 这会增加模型的学习难度, 导致训练收敛速度变慢, 难以准确捕捉时钟参数的特征, 从而增加同步误差。因此, 如何结合滤波算法进行预处理, 设计基于神经网络的时钟同步算法仍是一个尚未解决的问题。
文中提出了基于递推滤波和神经网络的时钟同步算法, 以实现海空跨域时钟同步。首先, 以具有相对稳定运动状态和通信能力的USV时钟作为系统基准时钟; 其次, 通过递推滤波和神经网络算法相结合, 对UAV的时钟偏差进行校正, 降低随机时延的影响; 最后, 设计神经网络算法估计时钟漂移和时钟偏移, 以估计水下通信的长时延, 实现UUV时钟同步。仿真结果表明, 该算法能够有效抑制随机时延所产生的负面影响, 获得更高的跨域时钟同步精度。
结束语
针对UAV、USV和UUV的时钟同步问题, 文中考虑随机时延的影响, 将递推滤波算法与深度神经网络相结合, 降低了随机时延对UAV和USV之间的时钟同步影响, 同时基于传输延迟的估计, 采用深度神经网络算法对UUV的和进行估计, 提高了时钟同步精度。通过仿真验证了所提方法的有效性、泛化性和抗干扰性。但文中UAV与UUV均为单一实体, 后续将使用NS3仿真软件对UAV-USV-UUV集群系统进行时钟同步研究。
1
END
1
参考文献略
文章有删减，原文刊登于《水下无人系统学报》2024年第32卷第4期，点击阅读原文可查看。
