Strategies for search and detection of acoustic transmitters using unmanned surface vehicle
Abstract
Denne oppgåva tar for seg baneplanlegging i forbindelse med søk etter akustiske sendarar.Akustisk telemetri har gjort store framsteg dei siste åra, i samband med miniatyriseringav elektronikk. Signal frå akustiske sendarar i fisk registrerast av mottakarar som er festai stasjonære bøyer, eller i ulike bevegelige plattformar. I denne oppgåva er målet å lagestrategiar for å effektivt gjennomsøkje eit område for slike akustiske sendarar ved hjelp aveit autonomt overflatefartøy.
Søkjeproblemet vert formulert i et diskret kart, og tre ulike metodar vert implementertog testa i simulasjon. Den første metoden er ein metode som prøver å dekkje så mykjesom mulig av området. Den andre metoden er ein grådig metode, og velgjer heile tidaretningar som lokalt optimaliserer sannsynet for deteksjon av fisk. Den tredje metoden erein tilfeldig strategi med inspirasjon frå biologien.I simulasjon er begge dei systematiske stiane merkbart betre enn den tilfeldige, i den forstandat dei finn fleire akustiske sendarar på same tid. Den grådige metoden er litt betreenn den dekkjande metoden i dei tilfella der den grådige metoden har riktig informasjonog måla er i bevegelse.
Ein Matlab-applikasjon som kan lage dekkjande stiar for eit geografisk område er implementerti forbindelse med denne oppgåva. Denne applikasjonen kan sende veipunkt tilNeptus, som er eit kontrollsenter for styring av autonome farkostar. This thesis considers path planning for search and detection of acoustic transmitters. Infish telemetry, signals from acoustic transmitters attached to fish are registered. Recentadvances in acoustic telemetry systems combined with the growing availability of autonomoussystems is predicted to increase the yield of biological data from fish telemetry
and our understanding of fish ecology. In this thesis, the goal is to devise paths for anunmanned surface vessel that efficiently search an area for acoustic transmitters.The search problem is formulated in a discrete map, and three different methods for pathplanning are implemented and tested in simulation. The first method is a path that aims tocover the search area. The second method is a greedy path planner, that aims to maximisethe local probability of detection at each step. The third method is a random path generatorinspired by biology.
Both systematic paths have better performance than the randomised one in simulationsin terms of finding the most targets. The greedy method performs slightly better in thecase where it has the correct information and the targets are moving.A MatLab-application was also made within the scope of this thesis. The application calculatespaths that aim to cover an area, and broadcasts the paths as way-points to Neptus,which is a control centre for autonomous vessels.