1.一种基于信道建模的自主水下航行器路径规划方法，其特征在于，包括：利用概率模型对自主水下航行器活动区域建立信道预估模型；

基于所述信道预估模型估计监测区域内任意位置的信道质量；

以所述信道质量以及路径长短作为启发式搜索算法的代价项，得到改进的启发式搜索算法；

通过改进的启发式搜索算法对自主水下航行器的移动路径进行规划。

2.根据权利要求1所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，利用概率模型对自主水下航行器活动区域建立信道预估模型，包括：在数据收集节点pt以外的其他任意位置p，接收信号强度表示为：Sr,dB＝HdB‑10δlg(||p‑pt||)+μs；

3

其中，pt∈R ，Sr,dB代表接收信号强度，HdB代表发射功率，δ表示衰减系数；μs为零均值高斯随机变量，用来描述阴影效应；

选取样本位置，并进行样本测量；

通过所述样本测量值计算信道预估模型中的关键参数，所述关键参数包括：与路径损耗相关的参数HdB和δ、与样本间相关度有关的参数χ和γ，其中，γ为样本空间相关度，χ为阴影效应能量。

3.根据权利要求1所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，通过所述样本测量值计算信道预估模型中的关键参数，包括：利用最大似然法通过样本测量值计算信道预估模型中的关键参数。

4.根据权利要求1所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，基于所述信道预估模型估计监测区域内任意位置的信道质量，包括：令χ(p)＝10lgSr(p)，可得：其中，χ(p)是其在对数域的表达， 为对p处的接收信号强度 进行估计的条件概率密度，N(.)代表高斯分布， 服从高斯分布，为高斯分布的均值，这里即为利用模型估计出的接收信号强度，也就是p处的信道质量， 为高斯分布的方差，v＝[v1,v2…vn]代表n个样本测量值； K为样本的协方差矩阵， ki,j为第i个和第j个样本间的相关度，ki,j＝χexp(||pi‑pjT

||/γ)；φ＝[HdB δ] ； pi代表第i个样本的位置；m(p)和ψ(p)T

为计算过程中的中间式：m(p)＝[1‑10lg(||p‑pt||)] ，ψ(p)＝[exp(‑||p‑p1||/γ,...,expT

(‑||p‑pn||/γ)]。

5.根据权利要求1所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，所述改进的启发式搜索算法包括：改进的启发式搜索算法的代价公式为：F＝G+H+L；

其中，G代表自主水下航行器从起点移动到某一位置的代价，H代表自主水下航行器从当前位置移动到目标位置估算成本，F代表自主水下航行器从起点移动到目标位置的总代价； 和 分别代表当前位置和下一个位置处的信道质量；λ是权重系数，表示信道质量的重要程度；|λ|越大，则代表自主水下航行器每次移动时信道质量的代价占比越大；|λ|越小，则代表自主水下航行器每次移动时更多考虑的是移动路径的长短。

6.根据权利要求5所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，将自主水下航行器活动区域划分为一个个紧密相邻正方体网格，每个正方体的棱长为w，用每个正方体中心点的信道质量来代表该正方体区域内整体的信道质量，自主水下航行器能够从所处的正方体向相邻的正方体进行移动；

λ的取值公式如下：

其中，ζ代表判定自主水下航行器能否与数据收集节点正常通信的阈值，信道质量大于等于该阈值，则自主水下航行器能够与数据收集节点正常通信，反之则通信质量不佳或无法通信；Δ为 的众数，表示信道质量的变化程度。

7.根据权利要求6所述的基于信道建模的自主水下航行器路径规划方法，其特征在于，通过改进的启发式搜索算法对自主水下航行器的移动路径进行规划，包括：S1、将起点放入open list中；

S2、遍历open list中所有元素，计算其总代价F，找到F最小的元素并将其作为当前要处理的节点；

S3、把当前要处理的节点移到close list中；

S4、对与当前要处理的节点所在正方体紧密相邻的每个正方体做如下操作：检查当前要处理的节点是否在close list中，是则忽略，不是则检查当前要处理的节点是否在open list中，如果不在open list中，则将其移入open list，并把当前要处理的节点作为它的父节点，计算出当前要处理的节点的F、G、H和L值；如果已经在open list中，基于G+L的值检查这条路径是否更好，G+L的值越小越表明这条路径是更好的路径；如果是，把当前要处理的节点的父节点设置为当前节点，并重新计算当前要处理的节点的G值和F值；

S5、检查open list中所有元素，如果发现了目标节点在某元素的正方体内，说明已找到合适的路径，从目标点一直回溯到起点组成的路径，就是合适的路径；如果没有发现，重复S2‑S5；

S6、保存路径；

其中，open list和close list是两个列表，前者存放所有可能经过的节点，后者存放所有不需要再关注的节点。