Aufgrund von Umweltbeschränkungen sind die Energieressourcen in Unterwassersensornetzen (USNs) begrenzt, daher ist es entscheidend, ihre Energieeffizienz zu verbessern. Zu diesem Zweck werden autonome Unterwasserfahrzeuge (AUVs) mit hoher Rechenleistung eingesetzt, um Messdaten zu verarbeiten und die USN-Topologie durch Nutzung der Mobilität des AUVs zu optimieren, um die Verfolgungsgenauigkeit zu verbessern. Erstens wird ein zentralisierter erweiterter Kalman-Filteralgorithmus (TD-CEKF) vorgeschlagen, der die Schätzung der akustischen Übertragungsverzögerung kombiniert. Zweitens wird eine mathematische Beziehung zwischen der Position des AUV und der USN-Topologie hergestellt, und auf dieser Grundlage wird ein Optimierungsziel aufgebaut. Schließlich wird eine Straffunktion eingeführt, um das Ziel in ein unbeschränktes Ziel umzuwandeln, und mittels Gradientenabstiegs wird die beste Position des AUV zur Optimierung der USN-Topologie gesucht. Die Simulationsergebnisse zeigen, dass der vorgeschlagene Algorithmus die Auswirkungen von Übertragungsverzögerungen auf die Zielverfolgung wirksam überwinden und die Leistung verbessern kann.

Unterwassersensornetzwerk; Zielverfolgung; Verzögerungsschätzung; Autonomes Unterwasserfahrzeug