第１２卷第１５期２０１２年５月 科学技术与工程 Ｖｏ１．１２ Ｎｏ．１５ Ｍａｙ ２０１２ １６７１—１８１５（２０１２）１５—３６１５—０５ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ ＠２０１２ Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ． 通信技术 基于分布式水下无线传感器网络目标 协同定位方法研究 张子涵 曾庆军 王彪 （江苏科技大学计算机学院 和电子信息学院 ，镇江２１２００３） 摘要提出了一种基于水下传感器网络的目标协同定位改进方法。基于多重信号分类方法（ＭＵＳＩＣ）得到目标的ＤＯＡ估 计，通过对水下信号传输特性分析，建立水下阵列传感器网络的目标定位模型，利用最大似然估计得到目标位置。利用基于 阈值检测的分布式高斯牛顿迭代法完成最大似然估计的解算。仿真结果表明该方法有效，节约了网络节点能量，降低了数据 通信量，且得到了更好的定位精度。此外，分析比较了在不同噪声环境下、不同声源级情况下的目标位置结果。 关键词水声传感器网络 最大似然估计 阈值检测 分布式高斯迭代 中图法分类号ＴＮ９１９，２； 文献标志码Ａ 目标定位是水下无线传感器网络协同工作的 区域，节点利用高分辨空间谱估计算法，得到 一个重要方面¨Ｊ。由于受水声传感器网络节点供 源目标的方位角。设网络处于二维平面内，传感器 能和通信距离的，必须采取有效的协同信号处 阵元间位置相互固定，且达到同步采样。传感器节 理的方法，使得在不过多消耗节点能量的基础上保 点采用等间隔线阵列，水声传感器网络结构如图１ 证源目标的定位精度和节点工作的鲁棒性。目前 所示 。 定位方法通常分为两类：基于距离的定位算法和与 距离无关的定位算法。文献［２］提出了基于目标能 量的极大似然算法实现多目标定位，文献［３］采用 了最大似然二元观测法完成了对目标的定位。现 利用阵列水听器节点对源目标进行ＤＯＡ估计，推导 第ｎ个阵 了基于各阵列节点ＤＯＡ值的分布式最大似然目标 定位方法。利用数值仿真验证了该方法对目标定 位的有效性，并分析了有无阈值检测时及不同噪声 背景、不同声能级对估计性能的影响。 图１水Ｆ传感器网络阵列节点模型 １ ＵＷＳＮ模型及ＭＵＳＩＣ算法精度分析 传感器网络阵列节点完成高分辨空间谱方法 对目标波达角的估计后，各节点估计值阵列误差方 传感器网络节点随机布放，当有目标进入监测 差符合以下规律 ］ ２０１１年２月２７ Ｈ收到，３月８日修改 与地方共建高校特色 ＝优势学科实验室专项基金（２０３８７０３０５）资助 （Ｉ ） Ｊ 。 ，… 一，Ⅳ（ ） 第一作者简介：张子涵（１９８６一），女，硕士研究生，研究方向：智能系 根据水声学原理 ］，每个节点接收到的信号信 统理论与应用。Ｅ—ｍａｉｌ：ｅｌｉｚａｚｉｈａｎ＠ｇｍａｉｌ．ｃｏｒｎ。 通信作者简介：曾庆军（１９６９一），男，博士，教授，研究方向：现代测 噪比满足 控与智能系统，智能电气与系统。Ｅ—ｍａｉｌ：ｚｈｅｒＩｇ２８５０１＠１６３．ｔｏｍ。 ＳＮＲ ＝ＳＬ＋ＧＴ—ＴＬ（ｄ√ 一ＮＬ （２） 科学技术与工程 １２卷 在均匀介质中，设目标模型传播方式为球面 波，ＴＬ满足 ＴＬ（ｄ ）＝２×１０１ｇｄ＋ ×１０一 （３） 其中第一项表示声信号在水中的扩展损失，第 二项表示为吸收损失， 且 ＝ ＋ ４０．７ｊ￣ ｎ ０６×ｌ０＋图２为节点信噪比随传播距离的变化曲线。图 中虚线表示传播损失中仅含有扩展损失项情况下 的信噪比变化，信号在水下传输中扩展损失是声强 衰减的主要因素，距离越大，损失越严重。距离越 远，利用多重信号分类方法得到的ＤＯＡ估计的误差 越大；在理想情况下，ＭＵＳＩＣ方法具有较高的估计 精度。 图２节点接收信噪比与距离关系 源目标与传感器距离／１０ ｍ 图３ ＭＵＳＩＣ估计所得的阵列误差 ２分布式网络化协同三角定位 ２．１ 基于最小二乘法的目标位置初值估计 在二维ｘＯｙ平面内，利用ＭＵＳＩＣ法得到的来波 方向０ 满足 』 Ｔ＝ ｌ＋。 ｃ。ｓ（詈一 ）…， ： ，，Ⅳ （４） 【ｙ ＝ｙ ｓｉｎ（詈 ） 令 （詈一０ ），移项化简为 一 Ｔｓｉｎ￣ｏ ＋ＹＴｃｏｓ ＝一ｘｉｓｉｎｑ￣ ＋Ｙｉｃｏｓ （５） 解此超定方程组，利用最小二乘法得到目标位 置的估计值。将其作为基于分布式迭代的最大似 然法目标定位的初值，防止计算过程中局部最小的 出现。 ２．２最大似然定位算法 设 表示目标与节点之间的方位角，目标位置 ｒＴ＝（ ，Ｙ ）。设 为利用ＭＵＳＩＣ高分辨空间谱估 计测得的目标方位角，由于背景噪声引起的角度误 差 和阵列测量误差ｏｒ 。的存在，假设定位模型为 ＝ ＋ｏｒ ＋ （６） 设背景噪声 ～Ｎ（Ｏ， ），且ＤＯＡ理论真值、 噪声误差、阵列测量误差三者相互。对上式做 标准归一化处理，得 ＝（ｓ 一０）／ｏ－ ～Ｎ（Ｏ，１）。 设 Ｘ＝［ １／ｏｒ１ ２／ｏｒ２ …咖Ⅳ／ｏｒ ］ ； 日＝［（ ｌ＋ｏｒ１。）／ｏｒ１ （ ２＋ｏｒ２。）／ ２ … （ｇｏⅣ＋ｏｒ ）／ｏｒ ］ ； ＝［ ｚ … ，ｖ］ （７） 式（７）归一化后的矩阵形式表示为 Ｘ＝Ｈ＋ （８） 的联合概率密度函数为： ｆ（ｘＩ ｒｒ）：（２ ）－（５／２）ｅｘｐ｛一ｌ（ｘ—Ｈ） （ —Ｈ）） （９） ｒＴ ＝（ ，Ｙ ）为目标的未知位置参量。 …， ｌｒＴ） 耳 １× 唧｛＿ ）＝ ＿ｅ２１盯 ｐ…ｘ ｛【 塞一 ２ ）Ｊ；’ ｉ＝１，…，Ｎ （１０） 由最大似然估计理论可知 １５期 张子涵，等：基于分布式水下无线传感器网络目标协同定位方法研究 ｒ ＝ｍａｘ（ｆ（Ｘ Ｉ ｒ ）） （１１） Ｉ ｒ ）的负对数似然函数为 （ｒＴ）＝ｌ Ｉ 一日Ｉ Ｉ （１２） 因此，通过求ｍｉｎ（ｚ（ＶＴ）），也就等价于求 Ⅳ ∑（ —ｈｉ（ｒＴ）） 极小值，得到ｒ 的最佳估计。 对于负对数似然函数最小值的求解，通过在网 络内节点问采用分布式高斯一牛顿迭代法完成。可 利用高斯牛顿法求解无需Ｈｅｓｓｉａｎ矩阵，且同样遵 守了牛顿法的收敛性，节约了节点的计算量及数据 量传输。 ３基于阈值的分布式迭代算法分析 通过ＭＵＳＩＣ算法精度分析可以看出，对于单目 标源，传感器距离目标越远，传播损失越大，信噪比 越低，噪声对测量值的影响越大；信噪比低处，估计 的ＤＯＡ阵列误差也较大。当区域内异常工作节点 时，应剔除这些点以确保目标定位精确。因此在选 择参与网络化协同定位的节点时，应尽量选择正常 工作中离目标较近的、具有高信噪比的节点，既提 高目标定位精度，也有效降低网络通信量。本文提 出了一种分布式网络协同定位方法，对于整个网 络，给出了信噪比阈值Ａ，只选择信噪比 值高于 阈值的节点完成分布式协同定位算法。后续数值 模拟证明了在仅少量使用网络节点的情况下，依旧 保证了定位的精度 不妨取检测阈值Ａ为网络内所有节点信噪比 的均值，即： １ Ａ＝月ｓＮ＝亩∑尺ｓ’ ＝ｌ （１３） 式（１３）中， 为网络内所有节点信噪比均值，Ⅳ为 网络中传感器节点总个数。 采用分布式迭代法，首先为网络内高于阈值Ａ 的传感器节点进行编号 １，…，Ⅳ ，将所有参与估 计的节点每３个分为一组，每组３个节点完成一次 最大似然法估计目标位置的运算。 则第－『号传感器节点进行Ｇａｕｓｓ－Ｎｅｗｔｏｎ迭代的 向量元素为 ｅｊ（ｒＴ）＝｛ｘｊ一 ，ｘｊ＋１一ｈｊ＋１， ＋２一 ＋２｝ （１４） 计算得到目标位置坐标为ｒ＇Ｔ＝（珥，ＹＴ），将其 作为下一组——即下３个节点估计算法的初值。在 实际不同大小的水下传感器网络中，所选取的组元 节点个数可以相应调整。根据仿真数据，经阈值检 测后仅有６个节点参与数据计算，每组节点数设为 ３个，完成２组计算过程。第１组由１ 号节点参 与计算，初值ｒ 由前述最小二乘法得到，求得的结 果作为第２组初值，由４—６号节点完成迭代。 以上将传统的集中式定位计算化简为在经过 阈值优化，利用小范围网络节点分组进行计算，并 将最后一组迭代估计值作为网络化协同定位的最 终结果。在网络通信传输中，只需要 号节点将本 组完成计算后得到的目标位置估计值传到（ ＋３）号 节点供其进行新一组迭代。并且，基于阈值检测的 分布式迭代方法在网络化定位中具有较强的鲁棒 性，有效剔除了区域中可能出现的无效节点和分布 在较远位置的低信噪比节点，采用更少的节点参与 运算获得更高的估计精度，以传输较少的数据协作 完成网络内的目标估计。 ４仿真分析 ４．１实验条件 现假设传输信道为单途径、无畸变、线性信道， 目标为窄带信号，中心频率４ ｋＨｚ，采样频率为１０ ｋＨｚ，观测时间５０ ｍｓ，取５００个采样点。水下传播 环境中，声能级为１２０ ｄＢ，处理增益ＧＴ为１０ ｄＢ，噪 声级ＮＬ为３０ ｄＢ，节点阵元个数为ｌ０。仿真范围为 ∈（一２ ０００ ｍ，２ ０００ ｍ），Ｙ∈（一２ ０００ ｍ，２ ０００ ｍ）。区域内随机布放１５个节点，图中六表示节点位 置，Ｏ表示目标真实位置，◇表示定位结果。定位 迭代次数为２００次。 ４．２定位精度分析 图４为在所有节点参与估计情况下完成的集中 式迭代的最大似然法定位结果，设噪声 ＝１，即 占一Ｎ（０，１）。图５为经过阈值检测后，去掉低信噪 比的节点，利用剩下的６个高信噪比节点进行分布 式迭代得到的目标位置。 除由阵列自身引起的ＭＵＳＩＣ测量误差外，由 水声环境噪声引起的定位误差不可忽略。图６为带 科学技术与工程 １２卷 图４全部节点参与的集中式定位结果 图５带有阈值检测的分布式定位结果 有阈值检测的分布式定位在噪声环境恶劣时（假设 噪声分布满足 ～Ｎ（０，１０））的结果。可以看出， 背景噪声增强，定位误差明显增大。 图６ 阈值检测的大噪声环境下分布式定位结果 在不同声能级情况下，图７仿真了基于分布式 迭代的阈值定位方法和集中式定位方法得到的目 标估计结果。随着ＳＬ增强，各节点处Ｒ 提高，两 种方法所得的定位误差值均减小。低声能级情况 下，集中式方法要明显优于分布式方法，结果误差 较小；当声能级较高时，两种方法对位置精度的影 响差别不大。 图７不同声能级情况下目标的定位误差 ５结论 本文分析了ＵＷＳＮ协作定位方法的模型，采用 最大似然法进行阵列节点目标定位，提出了一种基 于阈值的分布式高斯迭代法求解。实验表明，该方 法合理去除网间低信噪比节点，有效减少了节点传 输通信量，且获得良好的定位精度。分析了在不同 噪声环境下，不同目标声能级情况下对定位精度的 影响。 参考文献 １孙利民．无线传感器网络．北京：清华大学出版社，２００５ ２ Ｓｈｅｎｇ Ｘ，Ｈｕ Ｙ．Ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ ｍｕｌｔｉｐｌｅ—ｓｏｕｒｃｅ ｌｏｃａｌｉｚａｔｉｏｎ ｕｓｉｎｇ ａｃｏｕｓｔｉｃ ｅｎｅｒｇｙ ｍｅａｓｕｒｅｍｅｎｔｓ ｗｉｔｈ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ， ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２００５；５３（１）：４＿４—５３ ３ Ｚｈｏｕ Ｓｈｅｎｌｉ．Ｗｉｌｌｅｔｔ Ｐｅｔｅｒ．ＳｕｂｍａｒｉＢｅ ｌｏｃａｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ ｖｉａ ａ ｎｅｔ— ｗｏｒｋ ｏｆ ｄｅｔｅｃｔｉｏｎ－ｏｎｌｙ Ｓｅｎｓｏｒｓ．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （Ｓ１０５３－５８７Ｘ），２００７；５５（６）：３１０４—３１１５ ４ Ｍａ Ｙａｎ．Ｈｕ Ｙｕｈｅｎ．ＭＬ ｓｏｕｒｃｅ ｌｏｃａｌｉｚａｔｉｏｎ ｔｈｅｏｒｙ ｉｎ ａｎ ｕｎｄｅｒｗｍｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ａｒｒａｙ ｎｅｔｗｏｒｋ．Ｐｒｏｃｅｓｓｉｎｇ－５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ＿ ｅｎｃｅ，ＷｉＣＯＭ ２００９ ５ Ｓｃｈｍｉｄｔ Ｒ ０．Ｍｕｔｉｐｌｅ ｅｍｉｔｔｅｒ ｌｏｃａｔｉｏｎ ａｎｄ ｓｉｎｇａｌ ｐａｒａｍｅｔｅｒ ｓｐｅｃｅｔｒａｌ ｅｓｔｉｍａｔｉｏｎ．Ｉｎ Ｐｒｏｃ ＲＡＤＣＳ Ｐｅｃｔｒｕｍ Ｅｓｔｉｍａｔｉｏｎ Ｗｏｒｋｓｈｏｐ，１９７９，１０， ｏｒ ＩＥＥＥ Ｔｒａｎｓ，１９８６；ＡＰ—３４（３）：２７６—．２８Ｏ ６ Ｓｗｉｎｄｌｅｈｕｒｓｔ Ａ Ｌ．Ｋａｉｌａｔｈ Ａ Ｐｅｒｆｏｒｍａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｓｕｂｓｐａｃｅ— ｂａｓｅｄ ｍｅｔｈｏｄｓ ｉｎ ｔｈｅ ｐｒｅｓｅｎｃｅ ｏｆ ｍｏｄｅｌ ｅｒｒｏｒｓ，ｐａｒｔ Ｉ：ｔｈｅ ＭＵＳＩＣ ａｌ— ｇｏｒｉｔｈｎ￣ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｓｉｎｇａｌ Ｐｒｏｃｅｓｓｉｎｇ（Ｓ１０５３－－５８７Ｘ），１９９２；４０ （７）：１７５８—１７７３ ７ Ｕｒｉｃｋ Ｒ Ｊ．Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｕｎｄｅｒｗａｔｅｒ Ｓｏｕｎｄ，ＮＹ：ＭｃＧｒａｗ Ｈｉｌｌ，１９８４ ｌ５期 张子涵，等：基于分布式水下无线传感器网络目标协同定位方法研究 ３６１９ Ａ Ｓｔｕｄｙ ｏｎ Ｉｍｐｒｏｖｅｄ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｓｏｕｒｃｅ Ｌｏｃａｌｉｚａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｕｎｄｅｒｗａｔｅｒ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ ＺＨＡＮＧ Ｚｉ．ｈａｎ，ＺＥＮＧ Ｑｉｎｇ－ｊｕｎ ，ＷＡＮＧ Ｂｉａｏ （Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ ， Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｚｈｅ￣ｉａｎｇ ２１２００３，Ｐ．Ｒ．Ｃｈｉｎａ） 『Ａｂｓｔｒａｃｔ］ Ａｎ ｉｍｐｒｏｖｅｄ ｄｉｓｔｒｉｂｕｔｅｄ ｃｏｌｌａｂｏｒａｔｉｖｅ ｓｏｕｒｃｅ ｌＯＣａｌｉｚａｔｉｏｎ ｂａｓｅｄ ｏｎ ｕｎｄｅｒｗａｔｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔ— ｗｏｒｋ（ＵＷＳＮ）ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｍｅｔｈｏｄ ｂｕｉｌｄｓ ｕｐ ａ ｔａｒｇｅｔ ｌｏｃａｌｉｚａｔｉｏｎ ｍｏｄｅｌｉｎｇ ｆｏｒ ＵＷＳＮ ｂｙ ｕｓｉｎｇ ＤＯＡ（Ｄｉｒｅｃ－ ｔｉｏｎ ｏｆ Ａｒｒｉｖａ１）ｍｅａｓｕｒｅｍｅｎｔｓ ｔａｋｅｎ ａｔ ｅａｃｈ ａｒｒａｙ ｓｅｎｓｏｒ ａｎｄ ａｎａｌｙｚｉｎｇ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｓｉｇｎａｌ ｔｒａｎｓｍｉｓｓｉｏｎ．ａｎｄ ｔａｋｅｓ ｔｈｅ ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ ｅｓｔｉｍａｔｅ ｆｏｒ ｕｎｄｅｒｗａｔｅｒ ａｃｏｕｓｔｉｃ ｓｏｕｒｃｅ ｌＯＣａｌｉｚａｔｉｏｎ．Ａ ｄｉｓｔｌｂｕｔｉｅｄ ｉｔｅｒａｔｉｖｅ Ｇａｕｓｓ－Ｎｅｗｔｏｎ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ ｄｅｔｅｃｔｉｏｎ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｅｘｐｅｄｉｔｅ ｔｈｅ ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｔａｒｇｅｔ ｌｏ— ｃａｌｉｚａｔｉｏｎ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｄｅｍｏｎｓｔｒａｔｅｓ ｔｈｅ ａｄｖａｎｔａｇｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｎｏｖｅｌ ａｐｐｒｏａｃｈ ｉｎ ｔｈｅ ｔｅｒｍｓ ｏｆ ｃｏｎｓｅｒｖａｔｉｏｎ ｏｆ ｅｎｅｒｇｙ，ｄａｔａ ｔｒａｎｓｍｉｓｓｉｏｎ ａｎｄ ｌｏｃａｔｉｏｎ ｐｒｅｃｉｓｉｏｎ．Ｃｏｍｐａｒｅｄ ｔｏ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｎｏｉｓｅ ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｔａｒｇｅｔ ＳＬ，ｔｈｅ ｒｅｓｕｌｔｓ ａｃｈｉｅｖｅ ｓｏｍｅ ｅｆｆｅｃｔｉｖｅ ｃｏｎｃｌｕｓｉｏｎ． ［Ｋｅｙ ｗｏｒｄｓ］ ｕｎｄｅｒｗａｔｅｒ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ ｄｉｓｔｒｉｂｕｔｅｄ ｉｔｅｒａｔｉｖｅ ＧＮ ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ ｄｅｔｅｃｔｉｏｎ ） （上接第３６０５页） ４吕广忠，陆先亮．热水驱驱油机理研究．石油学院学报， 参考文献 ２００４；１６（４）：３７—４０ １李中锋，何顺利．低渗透储层非达西渗流机理探讨．特种油气 藏，２００５；１２（２）：３５＿３８ ２ Ｔｏｄｄ Ｈ Ｂ，Ｋｏｖｓｃｅｋ Ａ Ｒ．Ｌｉｇｈｔ—ｏｉｌ ｓｔｅａｍ—ｄｒｉｖｅ ｉｎ ｆｒａｃｔｕｒｅｄ ｌｏｗ－ｐｅｒ－ ｍｅａｂｉｌｉｔｙ ｒｅｓｅｒｖｏｉｒｓ．ＳＰＥ８３４９１，２００３ ５刘文章．热采稠油油藏．北京：石油工业出版社，１９９８ ６范波伦Ｈ Ｋ．提高原油采收率的原理．北京：石油工业出版 社，１９８３ ７张锐，等．稠油热采技术．北京：石油工业出版社，１９９８ ３张弦，刘永建．低渗透轻质油油藏热采室内模拟实验研究．特 ８韩显卿．提高采收率原理．石油工业出版社，１９９３ 种油气藏，２００７；１０（１４）：８Ｏ—８３ Ｈｏｔ—ｗａｔｅｒ Ｆｌｏｏｄｉｎｇ ｆｏｒ Ｅｎｈａｎｃｅｄ Ｏｉｌ Ｒｅｃｏｖｅｒｙ ｉｎ Ｕｌｔｒａ－ｌｏｗ Ｐｅｒｍｅａｂｉｌｉｔｙ Ｒｅｓｅｒｖｏｉｒｓ ＸＩＥ Ｌｉ—ｓｈａ ，ＺＨＡＯ Ｓｈｅｎｇ。，ＷＡＮＧ Ｑｉ ，ＺＨＥＮＧ Ｓｈｕａｉ ，ＹＡＮＧ Ｓｈｕ．ｋｕｎ ，ＸＵ Ｊｉａｎ．ｃｈｕｎ （Ｓｃｈｏｏｌ ｏｆＰｅｔｚｏｌｏｕｍ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＰｅｔｒｏｌｅｕｍ（Ｅａｓｔ Ｃｈｉｎａ） ，Ｑｉｎｇｄａｏ ２６６５８０，Ｐ．Ｒ．Ｃｈｉｎａ； Ｙａｎｃｈａｎｇ Ｏｉｌ Ｆｉｅｌｄ Ｃｏ．ＬＴＤ ，Ｙａｎ ａｎ ７１７２０８，Ｐ．Ｒ．Ｃｈｉｎａ； Ｗａｎｇｊｉａｃｈｕｎ Ｐｒｏｄｕｃｔｉｏｎ ＰＪａｎｔ ｏｆ Ｙａｎｅｈａｎｇ Ｏｉｌ Ｆｉｅｌｄ Ｃｏ．ＬＴＤ。，Ｙａｈ ａｎ ７１７１００，Ｐ．Ｒ．Ｃｈｉｎａ） ［Ａｂｓｔｒａｃｔ］ Ｃｏｎｖｅｎｔｉｏｎａｌ ｗａｔｅｒ—ｆｌｏｏｄｉｎｇ ｌｅａｄｓ ａ ｌｏｗ ｒｅｃｏｖｅｒｙ ａｎｄ ｐｏｏｒ ｄｅｖｅｌｏｐｍｅｎｔ ｅｆｆｅｃｔ ｉｎ ｕｌｔｒａ—ｌｏｗ ｐｅｒｍｅａｂｉｌｉｔｙ ｒｅｓｅｒｖｏｉｒｓ．Ｂａｓｅｄ ｏｎ ｅｘｐｅｒｉｍｅｎｔｓ ｉｎ ｌａｂ ａｎｄ ｎｕｍｅｒｉｃａｌ ｓｉｍｕｌａｔｉｏｎ ｓｔｕｄｙ．Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｉｎｊｅｃｔｅｄ ｈｏｔ ｗａｔｅｒ ｏｎ ｔｈｅ ｃｒｕｄｅ ｏｉｌ ｐｒｏｐｅｒｔｉｅｓ，ｆｌｕｉｄ－ｓｏｌｉｄ ｉｎｔｅｒａｃｔｉｏｎｓ ａｎｄ ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｅｎｈａｎｃｅｄ ｏｉｌ ｒｅｃｏｖｅｒｙ ａｒｅ ａｎａｌｙｚｅｄ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｎｕｍｅｒｉ— ｃａｌ ｓｉｍｕｌａｔｉｏｎ，ｔｈｅｒｅ ａｒｅ ｏｐｔｉｍａｌ ｎｕｍｂｅｒｓ ｏｆ ｔｈｅ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｈｏｔ ｗａｔｅｒ，ｉｎｊｅｃｔｉｏｎ ｓｐｅｅｄ，ｉｎｊｅｃｔｉｏｎ ｔｉｍｅ ｉｎ ｓｐｅｃｉｆｉｃ ｕｌｔｒａ－ｌｏｗ ｐｅｒｍｅａｂｉｌｉｔｙ ｒｅｓｅｒｖｏｉｒｓ．Ｒｅｓｕｌｔｓ ｈａｖｅ ｓｉｎｉｇｆｉｃａｎｔ ｇｕｉｄａｎｃｅ ｏｎ ｕｌｔｒａ－ｌｏｗ ｐｅｒｍｅａｂｉｌｉｔｙ ｒｅｓｅｒｖｏｉｓ ｄｅｖｅｌｒｏｐｍｅｎｔ． ［Ｋｅｙ ｗｏｒｄｓ］ ｕｌｔｒａ—ｌｏｗ ｐｅｒｍｅａｂｉｌｉｔｙ ｈｏｔ—ｗａｔｅｒ ｌｆｏｏｄｉｎｇ ｅｎｈａｎｃｅｄ ｏｉｌ ｒｅｃｏｖｅｒｙ ｐａｒａｍｅｔｒｉｃ ｏｐｔｉｍｉｚａｔｉｏｎ
