La navigation sous-marine fait face à des défis persistants dus aux variations de la vitesse du son dans l'eau de mer, qui introduisent des erreurs de positionnement systématiques compromettant la précision des véhicules autonomes et téléopérés en eaux profondes. Un nouveau schéma de correction en temps réel du profil de vitesse du son (PVS), publié dans Satellite Navigation en 2025, répond à cette limitation en intégrant la théorie du tracé de rayons acoustiques avec un filtrage adaptatif pour estimer dynamiquement les perturbations de la vitesse du son et améliorer la précision de la navigation.
La recherche, détaillée dans l'étude disponible à https://doi.org/10.1186/s43020-025-00181-w, se concentre sur l'intégration du Système de Navigation Inertielle à Plateforme Liée (SINS) et de la Base Ultra-Courte (USBL), couramment utilisée pour la navigation sous-marine puisque les signaux satellites ne peuvent pénétrer l'eau de mer. La précision de la navigation diminue généralement avec la profondeur et la distance en raison d'une vitesse du son non uniforme qui varie avec la température, la salinité et la pression au fil du temps et de la profondeur. Les méthodes de correction traditionnelles reposent sur des mesures statiques de profileur CTD (conductivité-température-profondeur) ou des modèles empiriques qui ne s'adaptent pas aux conditions en temps réel, entraînant des erreurs de temps de parcours et d'angle induites par la réfraction qui s'accumulent lors de missions de longue endurance.
La nouvelle méthode modélise la variabilité temporelle du PVS en utilisant le tracé de rayons acoustiques et applique un filtre d'information adaptatif à deux étages pour estimer conjointement la perturbation de la vitesse du son et identifier les valeurs aberrantes de l'USBL. Le travail commence par analyser comment un PVS variant dans le temps affecte la propagation acoustique de l'USBL, modifiant les angles d'incidence des rayons et le temps de parcours. Sur la base de la loi de Snell, l'équipe a dérivé des relations différentielles partielles entre la perturbation de la vitesse du son et les déplacements horizontaux/verticaux, construisant un modèle de quasi-observation qui permet d'estimer la perturbation du PVS à travers les différences entre le temps de parcours dérivé du SINS et mesuré par l'USBL.
Une représentation de la perturbation du PVS du second ordre sépare la couche mélangée des eaux peu profondes, la zone de transition de la thermocline et la couche isotherme profonde, reflétant une distribution réaliste de la vitesse du son avec la profondeur. Pour fusionner les données de navigation, les chercheurs ont conçu un filtre d'information adaptatif à deux étages (ATI) combinant les observations du SINS, du DVL (Doppler Velocity Log), du manomètre (PG) et de l'USBL. Le filtre met à jour les erreurs de position, de vitesse et d'attitude tout en détectant simultanément les anomalies de l'USBL via un test du rapport de vraisemblance généralisé et en affinant l'estimation du PVS via les moindres carrés récursifs.
Des simulations utilisant des ensembles de données CTD collectées par MVP ont montré que, sans correction du PVS, les erreurs de positionnement horizontal de l'USBL atteignaient plusieurs mètres. Avec l'algorithme proposé, l'erreur quadratique moyenne a chuté de manière marquée. Des essais en mer en mer de Chine méridionale ont démontré des améliorations significatives, avec une amélioration de la position quadratique moyenne passant de 0,45 m à 0,08 m vers le nord et de 0,23 m à 0,07 m vers l'est — améliorant la précision de plus de 80 % dans des conditions de mission réelles.
Selon les auteurs, la reconstruction en temps réel du PVS est cruciale pour traiter la dérive de la navigation dans les systèmes acoustiques des grands fonds. La navigation traditionnelle dépend souvent de profils de vitesse du son statiques, qui deviennent rapidement obsolètes lors de missions longues. Le nouveau modèle intègre le tracé de rayons physiques avec un filtrage adaptatif, permettant aux véhicules autonomes téléopérés (ARV) de détecter et de corriger les changements de vitesse du son plutôt que de s'appuyer sur des entrées fixes. Cette approche soutient la cartographie des océans profonds, l'échantillonnage et la détection des ressources des fonds marins où une localisation précise est requise dans des conditions environnementales dynamiques.
Le cadre de correction du PVS offre une voie pratique vers des systèmes de navigation des grands fonds auto-adaptatifs. En réduisant la dépendance aux relevés CTD externes et en améliorant la résilience face à la distorsion acoustique, il renforce la robustesse de la navigation lors de déploiements prolongés. La méthode est bien adaptée aux véhicules autonomes téléopérés (ARV) et aux véhicules sous-marins autonomes (AUV) effectuant de la cartographie des fonds marins, de la surveillance écologique, de l'exploration minérale, du routage sous la glace ou des missions autonomes de longue portée. Des développements futurs pourraient intégrer une prédiction du PVS basée sur l'apprentissage automatique ou des données océanographiques multi-capteurs pour une correction proactive. Les auteurs prévoient son potentiel pour améliorer l'efficacité et la fiabilité des données dans les futures explorations des grands fonds et l'évaluation des ressources marines, représentant une avancée significative dans la technologie de navigation sous-marine.
