具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术 人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的 限定。

参照图1-图5所示，本发明公开了一种水下淤泥测量装置，包括无人船、 双声呐模块、GPS模块和中央处理器。

无人船用于自动行驶在河道上。双声呐模块设置在无人船上，双声呐用 于采集水深数据。GPS模块设置在无人船上，GPS模块用于测量水下位置数据， 水下位置数据包括经度和纬度。中央处理器与双声呐模块和GPS模块连接， 中央处理器根据水深数据和位置数据绘制三维地貌图。

本发明还包括5G通讯模块和云端服务器，中央处理器输出的三维地貌图 通过5G通讯模块传输至云端服务器。通过5G通讯模块，可以将实现中央处 理器与云端服务器通信，与此同时，数据实时以三维图形式进行展示，支持 网页端、APP端进行实时查看数据。此设计具有实时查看数据以及储存数据的 功能，并且有更高的精确度，同时能够适应多种水下环境。

无人船上还设置有定点巡航模块。本发明以无人船为搭载装置，通过声 呐在水中测量，不仅可以遥控操作，并且可以给无人船规划路线实现定点巡 航。而采用无人船为搭载装置，搭载多项传感器在水下测量，使测量更为安 全、高效，节省了大量人力、财力，同时避免了安全事故的发生。

本发明采用两款不同声呐,声呐A与声呐B，根据声呐的精确度、出厂参 数、实验验证等多种方式求得声呐A与声呐B的权重比，将声呐A与声呐B 测得的数据根据权重比进行加权，得到更为精确的数据。

本发明还公开了一种水下淤泥测量方法，基于上述水下淤泥测量装置， 包括以下步骤：

步骤一、构建淤泥深度模型，包括：

淤泥深度状态x_n=A_nx_n-1+E_nu_n+B_nw_n；

声呐所测水深数据y_n＝C_nx_n+v_n；

其中，w_n和v_n都是噪声，u_n为无人船控制信号，A_n,B_n,C_n,和E_n都是系统矩 阵，A_n由无人船行驶速度、船体吃水深度以及两个采样点之间时间间隔共同决 定，B_n由水质决定；C_n由声呐参数决定，E_n由无人船速度决定，n为时刻。

步骤二、通过双声呐模块分别采集两组水深测量数据。

步骤三、判断两组深度测量数据是否在预设阈值范围内，若是，则进入 下一步；若不是，则返回S2重新测量，步骤三包括：

转至步骤3；

重复步骤2；

其中，和为双声呐模块分别采集两组水深测量数据。

步骤四、将两组深度测量值通过加权平均法进行初步融合，获得两组深 度测量值的融合值，包括：

两组深度测量值的融合值

K_n＝aK_n-1+(1-a)Q_n(Q_n+R_n)^-1

其中，为n时刻融合值，为n时刻声呐A数据，为n时刻声呐B 数据，K_n为n时刻融合增益。a为时间权重，取值在0～1之间。Q_n为n时刻 声呐A量测误差，R_n为n时刻声呐B量测误差。

步骤五、根据淤泥深度模型和两组深度测量值的融合值，计算获得水深 的无偏估计值，包括：

收集视野长度为n时刻到m时刻的状态方程：

x_n＝A_nx_n-1+E_nu_n+B_nw_n

x_n-1＝A_n-1x_n-2+E_n-1u_n-1+B_n-1w_n-1

x_m+2＝A_m+2x_m+1+E_m+2u_m+2+B_m+2w_m+2

x_m+1＝A_m+1x_m+E_m+1u_m+1+B_m+1w_m+1

x_m＝x_m+E_mu_m+B_mw_m；

将以上方程合并，获得扩展状态方程：

X_m,n＝A_m,nx_m+S_m,nU_m,n+D_m,nW_m,n，

其中，

收集视野长度为N[m＝n-N+1]的观测方程如下：

y_n＝C_nx_n+v_n

y_n-1＝C_n-1x_n-1+v_n-1

y_m＝C_mx_m+v_m

将以上方程进行合并，得到扩展观测方程：

其中，

其中，初值l＝s时计算方式为：

其中，K为状态维数。

根据上述公式，获得n时刻的无偏估计值和无偏增益

步骤六、无人船在整个河道上行驶，重复步骤二至步骤五，获得多组水 深无偏估计值；

将多组水深无偏估计值进行拟合，获得水底地形三维图；

对水底地形三维图进行处理，计算水底地形三维图的每一个离散点及该 离散点附近的点的一阶导数和二阶导数，附近的点为以该离散点为中心的预 设半径范围内的点；

设定第一离群程度阈值和第二离群程度阈值，判断离散点的一阶导数是 否在第一离群程度阈值内，离散点的二阶导数是否在第二离群阈值范围内， 若两者皆不在对应的离群阈值范围，则标定该离散点所在的预设范围为淤泥 区域。此处，预设范围可根据需求设定，例如，可定义以离散点为中心，以 在设定半径范围内，即为淤泥区域。

本发明公开了一种水下淤泥测量系统，包括模型构建模块、声呐测量模 块、判断模块、融合模块和计算模块。

模型构建模块用于构建淤泥深度模型。声呐测量模块通过双声呐模块分 别采集两组水深测量数据。判断模块用于判断两组深度测量数据是否在预设 阈值范围内，若是，则进入融合模块，若不是，则返回声呐测量模块重新测 量。融合模块将两组深度测量值通过加权平均法进行初步融合，获得两组深 度测量值的融合值。计算模块根据淤泥深度模型和两组深度测量值的融合值， 计算获得水深的无偏估计值。

下面，结合具体实施例对本发明的技术方案做进一步说明。

实施例1：如图1所示，基于多信息融合技术的河道淤泥探测方法由无 人船、双声呐模块、GPS模块、电源模块、5G通讯模块、核心处理器模块、 定点巡航模块、摄像头模块以及多项传感器组成。所述无人船为搭载装置， 搭载处理器与各项传感器在水中进行测量；所述双声呐模块为声呐A与声呐 B，采用声学方式同时进行对水下的数据采集，具有测距功能；所述GPS模 块用于确定探测淤泥位置，具有定位功能；所述电源模块用于满足各项设备电压需求，为其供电；所述5G通讯模块用于将处理器处理后的数据发送到 云端，并保证与处理器实时通讯；所述摄像头模块用于实时显示无人船行驶 画面；所述定点巡航模块为自动驾驶仪，可以实现无人船的定点巡航；所述 核心处理器用于对来自GPS模块、声呐模块等各项传感器的数据进行处理， 并进行融合。本发明采用多模块组合方式，具有多种接口，可以根据需要进 行扩展，如实现无人船的自动规划路线、水质检测、水质取样等功能。

实施例2：如图2，3所示，图二为声呐A，图三为声呐B。声呐采用声 学方式对水下进行数据采集，具有测距功能。声呐A输出信号为CAN H/CAN L信号，通过CAN通讯与处理器进行信息交互。声呐B输出为TTL信号，通 过TTL转串口与处理器进行信息交互。处理器根据声呐A与声呐B的协议， 将两组数据分别解析为深度数据。根据厂家提供产品参数、精确度以及经过 多项试验得出，声呐A在大于5m水域精确度相对于声呐B精确度较高一些， 小于5m水域声呐B精确度相对较高。声呐B对于水下地形较复杂水域更为 灵敏。然后将声呐A和声呐B的数据通过以下几步进行融合。

步骤1：根据无人船淤泥探测具体情况，建立合适的数学模型，并将其 转换为等价的状态空间模型形式。最后得到如下的涉及到淤泥深度或其间接 量的状态空间模型如(1)和(2)所示：

x_n＝A_nx_n-1+E_nu_n+B_nw_n (1)

y_n＝C_nx_n+v_n (2)

其中w_n和v_n都是噪声，y_n是观测值(声呐所测数据)，x_n是状态值，状态值 中有深度或者由于重构可以计算出深度的状态。u_n为无人船控制信号(声呐装 置在无人船上，在无人船行驶过程中，也会对声呐测量数据产生一些影响)， A_n,B_n,C_n,和E_n都是系统矩阵，n为时刻。

注：A_n,B_n,C_n,和E_n等系统矩阵是根据声呐出厂参数和人为根据实际情况机 理选定的状态量决定。一般情况下，为了方便对声呐深度数据的估计，直接 将深度作为第一维状态量，其余状态量选择主要影响深度的因素，

步骤2：无人船开始工作，核心处理器收到声呐A与声呐B的深度测量数 据与

步骤3：核心处理器对两点的测量值进行初步判断：

数据有效，转至步骤3。

数据无效，重复步骤2。

步骤4:将深度数据与通过加权平均法进行初步融合，得到融合值

K_n＝aK_n-1+(1a)Q_n(Q_n+R_n)^-1 (4)

其中，为n时刻融合值，为n时刻声呐A数据，为n时刻声呐B 数据，K_n为n时刻融合增益。a为时间权重，取值在0～1之间。Q_n为n时刻 声呐A量测误差，R_n为n时刻声呐B量测误差。Q_n和R_n的取值根据声呐A、 声呐B的精确度，出厂参数等多项数据选取。

步骤5：根据建立的状态空间模型和声呐测量值计算出无偏估计值，无偏 滤波器是一种有限脉冲响应滤波器。无偏脉冲响应滤波器会设置视野长度N， 意味着我们需要包括当前时刻和其前(N-1)个时刻一共N个时刻的信息。无 偏滤波器滤波原理就是利用这个有限的视野长度中的信息进行状态估计，例 如m[m＝n-N+1]到n(n为当前时刻)一共N个时刻的观测值。无偏滤波器不需 要Q_n-1、R_n、P₀等参数的设计，其算法结构使得无偏滤波器具有比卡尔曼更好 的鲁棒性。但是同样的在卡尔曼的适应条件下，卡尔曼可以得到最优估计值， 但是无偏不行。无偏滤波器计算出的估计值同样也可以为我们提供必要的信 息。所以计算出无偏估计值也是很有必要的。

其计算方式如下：收集视野长度为N[m＝n-N+1]的状态方程如下：

x_n＝A_nx_n-1+E_nu_n+B_nw_n

x_n-1＝A_n-1x_n-2+E_n-1u_n-1+B_n-1w_n-1

x_m+2＝A_m+2x_m+1+E_m+2u_m+2+B_m+2w_m+2

x_m+1＝A_m+1x_m+E_m+1u_m+1+B_m+1w_m+1

x_m＝x_m+E_mu_m+B_mw_m

将以上方程进行合并，得到扩展状态方程(I为单位矩阵)：

X_m,n＝A_m,nx_m＋S_m,nU_m,n＋D_m,nW_m,n (5)

其中,和

收集视野长度为N[m＝n-N+1]的观测方程如下：

y_n＝C_nx_n+v_n

y_n-1＝C_n-1x_n-1+v_n-1

y_m＝C_mx_m+v_m

将以上方程进行合并，得到扩展观测方程：

其中， 和

在公式(5)和(6)的基础上，利用算法(7)-(10)从l＝s[s＝n-N+K] (K为状态维数)到l＝n进行迭代得到UFIR估计值和UFIR增益(当迭代 到l＝n时刻时得到的值就是我们最后想得到的值)。需要特别注意的是，为了 提高精确度，增加信息的丰富度，我们使用融合后的观测值，而不是初始观 测值进行滤波，所以在Y_m,n使用时应该为

其中,初值l＝s时计算方式为：

其中，K为状态维数。

根据以上算法过程，我们最终可以得到n时刻的无偏估计值和无偏增益 并将其保存以待使用

步骤5:由于整个系统为离散系统，所得深度数据为散点图。将散点图进 行拟合处理。由于水底地形的特殊性，使得水底地形离散点与淤泥区域离散 点具有不同的统计特性。基于此，淤泥存在区域所测离散点和无淤泥区域所 测离散点具有明显的离群性。计算每一个点和附近点的一阶导数、二阶导数 等数据，结合整体地形图离散点拟合情况，选择适当的离群程度阈值。将超 过阈值的用黑点表示，意味淤泥区域，没有超过阈值的点拟合为曲面，意为 无淤泥区域，并按照深度标注颜色。处理完的结果如图4所示，最后得到本 项目所需要的淤泥区域为黑点部分。

实施例3：如图5所示，该无人船可以通过要遥控来操控；也可以通过地 面基站为无人船规划路线实现定点巡航，地面基站与无人船通过5G通讯双向 通讯；无人船行驶画面可以在网页端/APP端进行实时展示，并且可以远程控 制二自由度舵机云台查看360度画面。无人船搭载传感器采集到的数据经过 处理后实时传入云端数据库，网页端/APP端进行提取，实时在网页端/APP端 以三维图形式进行展示。

综合所述：本发明针对淤泥探测实际作业任务及环境需要，研制了一种 基于多信息融合技术的河道淤泥探测方法。包括无人船、双声呐模块、GPS模 块、电源模块、5G通讯模块、核心处理器模块、定点巡航模块、摄像头模块 以及多项传感器。其中声呐A、声呐B、GPS模块为检测装置，能够对所处位 置进行定位并且对所处位置水下淤泥深度进行测量。同时核心处理器对声呐A、 声呐B采集到的深度数据进行处理、融合，然后将处理后的深度数据与位置 数据进行融合后传入云端数据库，同时网页端/APP端以三维图形式进行实时 展示。本发明采用多模块组合方式，具有多种接口，可以根据需要进行扩展， 如实现无人船的自动规划路线、水质检测、水质取样等功能。此设计对水下 淤泥探测提供有力帮助，能够有效提高淤泥探测效率、精确度并且避免了安 全事故的发生。具有重要工程价值和实际意义。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或 计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、 或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个 其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘 存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程 图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流 程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算 机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使 得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实 现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定 的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储 器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现 的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程 图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的 步骤。

显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的 限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出 其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而 由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。