编辑推荐：
FPGA通过低延迟并行处理、能效优化和硬件适配性提升AUV在GPS禁用环境中的导航能力，但现有研究多集中于算法层面，缺乏对FPGA特定实现的系统评估。
Bernadus H. Sirenden|Yanti Susanti|Ibnu Susanto Joyosemito|Dinar Nurcahyono|Rodiah Nurbaya Sari|Riyanto|Joni|Sabar|Yusuf Affandi|Arief Wicaksono
印度尼西亚国家研究与发展机构（BRIN）电子研究中心
摘要
基于对72项原始研究的系统性文献回顾（SLR），本研究强调了现场可编程门阵列（FPGA）在提升自主水下航行器（AUV）导航系统方面的巨大潜力，尤其是在GPS信号受阻的环境中。FPGA具有低延迟并行处理、节能运行和硬件适应性等关键优势，这些对于需要高频传感器数据采集的长期任务至关重要。然而，目前仍存在明显的研究空白，因为大多数先前研究都集中在算法层面或通用嵌入式系统上，而未考虑FPGA的特定实现方式。本综述发现，在基于FPGA的AUV中，声学（M3、M4）和视觉（M2）导航方法最为常用；尽管惯性（M1）和混合（M12）导航方法在更广泛的文献中有所提及，但在FPGA平台上的研究仍不充分。在传感器融合方面，卡尔曼滤波器（E1）是最常用的方法，但其针对AUV的FPGA实现仍然非常有限。粒子滤波器（E2）和基于机器学习的方法（E7）作为强有力的替代方案，非常适合FPGA的并行处理能力。尽管这些方法前景广阔，但FPGA实现仍面临设计复杂性、资源消耗以及某些算法难以完全并行化的挑战，这需要进一步关注以充分发挥其在下一代AUV导航中的作用。
引言
从环境工程的角度来看，监测和建模水生生态系统，特别是在沿海、河口和深海环境中，对于检测污染、评估水质以及支持基于证据的保护策略至关重要。自主水下航行器（AUV）越来越多地被用于收集现场环境数据，尤其是在对人类潜水员来说危险或难以到达的区域。然而，AUV在GPS信号受阻的水下环境中的运行可靠性在很大程度上取决于其导航系统的效率和准确性。在这方面，现场可编程门阵列（FPGA）在实时水下导航方面具有显著优势，如低延迟并行处理、降低功耗和硬件级适应性（Zhao等人，2024a；Zhao等人，2019a）。这些特性对于涉及高频传感器数据采集的长期环境任务尤为重要，例如声学成像、化学污染检测、浊度和生物活动的光学感知，或是检测水柱中微塑料分布等新兴挑战（Martínez-Barberá等人，2021；Yang等人，2024a；Zhao等人，2019a）。随着AUV越来越多地集成多传感器平台以完成这些复杂任务，基于FPGA的架构不仅确保了计算速度，还实现了长期能源效率，这是远程环境自主部署的必要条件（Zhao等人，2024a）。此外，将基于FPGA的导航系统与环境感知技术相结合，符合全球可持续发展目标，包括SDG 6（清洁水和卫生）、SDG 13（气候行动）和SDG 14（水下生命），通过提升自主技术的适应性和可扩展性环境监测能力（Rojas等人，2024）。
尽管已有大量关于自主导航的综述，涵盖了视觉SLAM、地形辅助导航和集成系统等主题，但大多数研究都侧重于算法方法或通用嵌入式系统，而未专门探讨FPGA的特定实现（Ding等人，2024；Ma等人，2023；Yazdani等人，2020；Zhang等人，2023a）。例如，Ding等人（2024）和Ma等人（2023）的研究提供了关于视觉和基于地形的导航的全面调查，但并未评估可重构硬件在严格计算限制下的实时性能。同样，关于运动稳定性（Bao等人，2023）或水下无人机中的区块链应用（Kumar等人，2023）的综述缺乏对硬件架构的深入分析，从而在理解FPGA如何优化AUV导航性能方面存在明显空白。这一空白凸显了需要进行系统性综述的必要性，明确探讨FPGA在AUV导航系统中的集成情况，重点关注其在延迟、能效和并行处理方面的独特优势。
本文采用PRISMA框架进行系统性文献回顾（SLR），探讨FPGA在水下AUV导航中的应用。据作者所知，本文是首次从硬件角度出发研究FPGA在AUV导航中的实现，不同于以往以算法为中心的综述。该综述探讨了三个关键研究问题：基于FPGA的系统对导航设计和验证的贡献（RQ1）、定位算法在FPGA平台上的适用性和性能（RQ2），以及基于FPGA实现的多传感器数据融合方法的有效性（RQ3）。通过综合72项原始研究的结果，本文指出了当前趋势，识别了研究空白，并讨论了FPGA提高下一代AUV导航系统准确性、效率和可靠性的潜力。本文的其余部分结构如下：第2节回顾相关工作，第3节介绍SLR方法论，第4节展示数据提取结果，第5节讨论与研究问题相关的发现，第6节总结全文。
相关研究
相关研究
表1对比了以往关于自主车辆导航的综述和文章，特别关注这些研究与本文目标之间的关联或差异：
方法论
系统性文献回顾（SLR）是一种系统化的方法，遵循严格协议来综合现有研究，以确保客观性和可重复性。与传统综述不同，SLR采用预定义的标准进行研究选择、严格的质量评估和透明报告（例如使用PRISMA指南）。这种方法有助于减少偏见，同时提供研究领域的全面概述，识别趋势、空白和矛盾发现。
数据提取与整合
反映过去15年研究输出的规律，表3、表4和表5展示了按类别划分的最终出版物列表，图2显示了2010年至2025年的年度出版物分布。从2020年开始，出版活动显著增加。2020年之前，每年的出版物数量一直很低，有多个年份没有出版物；2020年文章数量增至13篇，随后...
讨论
在前一节中，介绍了基于FPGA的AUV导航系统、合适的定位方法以及有效的多传感器数据融合技术。本节将分析这些发现以回答研究问题。
结论
本综述表明，FPGA凭借其低延迟、节能和适应性强的硬件，在GPS信号受阻的环境中具有巨大的导航潜力。然而，仍存在明显的研究空白，因为现有文献大多忽视了FPGA的特定实现，而侧重于算法或通用嵌入式系统的研究。
我们的分析显示，虽然声学（M3、M4）和视觉（M2）方法是当前基于FPGA的AUV研究的主要方向，但惯性（M1）和混合（M12）方法...
作者贡献声明
Bernadus H. Sirenden：撰写初稿、可视化、方法论设计、形式化分析、数据整理、概念构建。Yanti Susanti：撰写初稿、可视化、方法论设计、形式化分析、数据整理。Ibnu Susanto Joyosemito：审稿与编辑、撰写初稿。Dinar Nurcahyono：审稿与编辑、数据整理。Rodiah Nurbaya Sari：审稿与编辑、数据整理。Riyanto：审稿与编辑、数据整理。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：
Bernadus H. Sirenden表示获得了印度尼西亚国家研究与发展机构的财务支持。如果还有其他作者，他们声明没有已知的利益冲突。
致谢
本研究得到了印度尼西亚国家研究与发展机构（BRIN）电子与信息学研究组织的支持，资助编号为SP DIPA-124.01.1.690500/2025。
在准备本工作时，作者使用了AI辅助技术工具（如ChatGPT和DeepSeek）来审查和优化语言表达及可读性。使用这些工具后，作者根据需要进行内容审查和编辑。
