A navegação subaquática enfrenta desafios persistentes devido às variações na velocidade do som na água do mar, que introduzem erros sistemáticos de posicionamento que comprometem a precisão de veículos autônomos e operados remotamente em águas profundas. Um novo esquema de correção de perfil de velocidade do som (PVS) em tempo real, publicado na Satellite Navigation em 2025, aborda essa limitação integrando a teoria de traçado de raios acústicos com filtragem adaptativa para estimar dinamicamente as perturbações da velocidade do som e melhorar a precisão da navegação.
A pesquisa, detalhada no estudo disponível em https://doi.org/10.1186/s43020-025-00181-w, concentra-se na integração do Sistema de Navegação Inercial de Plataforma Estabilizada (SINS) e Linha de Base Ultra-Curta (USBL), que é comumente usada para navegação subaquática, uma vez que os sinais de satélite não conseguem penetrar na água do mar. A precisão da navegação normalmente diminui com a profundidade e a distância devido à velocidade do som não uniforme, que varia com a temperatura, salinidade e pressão ao longo do tempo e da profundidade. Os métodos tradicionais de correção dependem de medições estáticas de perfis de condutividade-temperatura-profundidade (CTD) ou modelos empíricos que não se adaptam às condições em tempo real, levando a erros de tempo de viagem e ângulo induzidos por refração que se acumulam durante missões de longa duração.
O novo método modela a variabilidade temporal do PVS usando traçado de raios acústicos e aplica um filtro de informação adaptativo de dois estágios para estimar conjuntamente a perturbação da velocidade do som e identificar valores discrepantes do USBL. O trabalho começa analisando como o PVS variável no tempo afeta a propagação acústica do USBL, alterando os ângulos de incidência dos raios e o tempo de viagem. Com base na lei de Snell, a equipe derivou relações diferenciais parciais entre a perturbação da velocidade do som e os deslocamentos horizontal/vertical, construindo um modelo de quase-observação que permite estimar a perturbação do PVS através das diferenças entre o tempo de viagem derivado do SINS e medido pelo USBL.
Uma representação de perturbação do PVS de segunda ordem separa a camada mista de águas rasas, a zona de transição da termoclina e a camada isotérmica profunda, refletindo a distribuição realista da velocidade do som com a profundidade. Para fundir os dados de navegação, os pesquisadores projetaram um Filtro de Informação Adaptativo de Dois Estágios (ATI) combinando observações do SINS, Doppler Velocity Log (DVL), Manômetro de Pressão (PG) e USBL. O filtro atualiza erros de posição, velocidade e atitude enquanto detecta simultaneamente anomalias do USBL através de um teste de Razão de Verossimilhança Generalizada e refina a estimativa do PVS via mínimos quadrados recursivos.
Simulações usando conjuntos de dados CTD coletados pelo MVP mostraram que, sem correção do PVS, os erros de posicionamento horizontal do USBL atingiram vários metros. Com o algoritmo proposto, o erro RMS caiu significativamente. Testes no Mar do Sul da China demonstraram melhorias substanciais, com a posição RMS melhorando de 0,45 m para 0,08 m na direção norte e de 0,23 m para 0,07 m na direção leste — aumentando a precisão em mais de 80% sob condições reais de missão.
Segundo os autores, a reconstrução do PVS em tempo real é crucial para abordar a deriva de navegação em sistemas acústicos de águas profundas. A navegação tradicional frequentemente depende de perfis de velocidade do som estáticos, que rapidamente se tornam desatualizados durante missões longas. O novo modelo integra traçado de raios físicos com filtragem adaptativa, permitindo que veículos autônomos operados remotamente (ARVs) detectem e corrijam mudanças na velocidade do som em vez de depender de entradas fixas. Essa abordagem apoia mapeamento oceânico profundo, amostragem e detecção de recursos do leito marinho, onde é necessária localização precisa sob condições ambientais dinâmicas.
A estrutura de correção do PVS fornece um caminho prático para sistemas de navegação autoadaptativos em águas profundas. Ao reduzir a dependência de levantamentos CTD externos e melhorar a resiliência à distorção acústica, ela aumenta a robustez da navegação durante implantações longas. O método é bem adequado para veículos autônomos operados remotamente (ARVs) e Veículos Subaquáticos Autônomos (AUVs) que realizam mapeamento do leito marinho, monitoramento ecológico, exploração mineral, roteamento sob gelo ou missões autônomas de longo alcance. Desenvolvimentos futuros poderiam integrar previsão do PVS baseada em aprendizado de máquina ou dados oceanográficos multi-sensores para correção proativa. Os autores preveem seu potencial para melhorar a eficiência e confiabilidade dos dados em futuras explorações de águas profundas e avaliações de recursos marinhos, representando um avanço significativo na tecnologia de navegação subaquática.
