水声通信及网络技术综述

水声通信(UAC)及网络技术在海洋环境监测、商业领域和军事领域等诸多方面发挥着重要作用,关心海洋、认识海洋、经略海洋离不开水声通信及网络技术的发展。该文对水声通信技术和水声通信网络(UACN)进行综述,首先回顾了水声通信技术和水声通信网络的发展,总结了水声信道的特点。然后,对于水声通信技术中的非相干调制技术、相干调制技术以及以应用需求为导向的新型通信技术进行陈述。随后,对于水声通信网络中数据链路层媒介接入控制协议、网络层的路由协议和跨层设计进行分类探讨。最后,对目前水声通信及网络技术的不足进行总结,并且对未来水声通信及网络技术的发展进行展望。

针对浅海水声通信的极化码构造与应用研究

为了实现浅海环境中高速率和高可靠通信,研究了极化码编译码技术在浅海水声通信中的性能。针对基于射线声学理论建立的时不变、准静止和时变3种浅海水声信道模型,采用蒙特卡罗构造算法完成相应极化码的构造,并分别与信道极化和信道退化构造算法、基对称扩展极化权重构造算法进行了复杂度和性能比较。将构造的极化码作为文中基于正交频分复用的水声通信系统的信道编码方案,译码方案使用循环冗余校验辅助的串行抵消列表译码算法。通过仿真模拟分析了上述3种信道中极化码的性能,并与码长和码率相同的低密度奇偶校验码的性能进行对比分析;结果显示在这3种信道中,在关注的信噪比范围内极化码相对于低密度奇偶校验码约有0.5 dB~1.2 dB的增益。3种信道仿真对比结果表明,基于信道构造编码的极化码相比低密度奇偶校验码在恶劣的信道环境中有更好的增益效果,且极化码有更低的编译码复杂度,证明了极化码在能量和资源受限的浅海水声通信中具有广阔的应用前景。

应用于海洋物联网的水声通信技术发展综述

近年来,为得到多元、综合、实时的海洋信息,海洋物联网已成为世界海洋领域范围内的研究重点,水声通信技术的迅速发展为海洋物联网的应用提供了有力支撑。本文首先从海洋物联网发展角度提出了对水声通信技术的要求,然后对国内外海洋物联网中的水声通信技术研究状况进行了概述,并围绕各类科研化、商业化的水声通信机进行分析与探讨,最后对应用于海洋物联网的水声通信技术进行展望。

基于深度学习的水声信道联合多分支合并与均衡算法

为了更好地解决水声信道中的衰落及严重码间干扰问题,该文提出一种基于深度学习的联合多分支合并与均衡算法。该算法借助深度学习网络的非线性拟合能力,联合实现了多分支合并和均衡。在算法实现中,合并与均衡并非相互独立,而是基于深度学习网络的总输出计算出总误差,以总误差对网络参数实现联合调整,数据集则基于统计水声信道模型进行构建。仿真结果表明,相较于已有算法,所提算法能获得更快的收敛速度和更好的误码率性能,使得其能更好地适应水声信道。

低复杂度水声多输入多输出正交时频空调制通信方法研究

在多输入多输出正交时频空调制(MIMO-OTFS)水声通信系统中,基于消息传递(MP)算法的MIMO-OTFS通信的计算复杂度较高,在实际应用中会增加设备成本。针对上述问题,该文提出一种基于2维虚拟时间反转镜(VTRM)的MIMO-OTFS均衡算法,该算法利用VTRM的时频空聚焦特性,有效提高了均衡性能,并通过改进的2维比例归一化最小均方(IPNLMS)算法进行信道估计,该算法利用时延-多普勒域信道的稀疏特性以较低的复杂度提高了收敛速度,最后通过2维自适应判决反馈均衡算法消除残余的码间串扰,进一步提高系统性能。仿真结果表明,所提均衡算法具有可行性,且在保证相同性能时,复杂度低于MP算法。

水声材料声振特性的驻波管测量方法

提出了一种基于驻波管的测量方法,以获得水声材料在静水压条件下的声学和振动特性参数。设计了带有气压补偿功能的低频发射换能器,作为驻波管的声源,通过水柱将换能器的平面活塞振动耦合到水面下的被测样品。在被测样品背衬上安装加速度计,测量样品背面振速;同时在管壁中嵌入一对水听器,测量水柱声压。导出样品声波入射面的振速和声压,进而计算出样品前表面和背衬面之间的振速传递系数(去耦系数)、样品的输入阻抗和声压反射系数。建立低频驻波管测试系统,声管尺寸为内径300 mm、外径600 mm、高3 m,工作频率范围100~1000 Hz,利用水层样品和多层穿孔橡胶样品开展了实验研究。实验结果显示,测量数据与仿真计算数据吻合较好,验证了测量方法的有效性。

三种典型水声信号类型检测特性对比分析

水声信号的选择是传播损失调查工作中的重要环节,为进一步研究不同信号类型的检测性能,通过仿真研究与试验数据分析,对CW、扫频、伪随机编码这3种典型的水声信号类型检测性能进行了对比研究。其中,仿真研究使用射线理论模型中Bellhop程序计算宽带频域声信号,经傅里叶合成技术转化为时频声信号;信号检测性能分析采用带通滤波、匹配滤波和短时傅里叶变换方法开展。经对比后发现扫频信号和伪随机编码信号经匹配滤波后的信号主峰时频宽度小、幅度大,旁瓣小,易于区分,可获取信号多途到达结构,这对后续分析工作中反推反射系数有一定的优势。

海洋环境对海洋低频水声扩频通信的影响分析

水声通信是水下舰艇通信的主要手段,从基本物理原理的角度仿真分析海洋环境对水声扩频信号的可能影响,相较于实际海试实验降低了实验难度。选取等熵性质的非均匀介质中的声传播波动方程推导,建立水声信道动力学模型,分析了不同幅度海洋背景噪声下和不同海水密度区间中水声扩频信号传播后的幅频特性和通信误码率的变化。文中,利用Matlab进行微分方程数值解求解和水声传播信号的幅频特性分析。结果表明:1)海洋背景噪声在信噪比高于-20 dB时满足通信准确度要求;2)海水密度的变化对水声扩频通信准确度没有显著影响。

非合作水声通信辐射源个体识别初探

辐射源个体识别是非合作水声通信信号调制样式识别之后进一步获取对方通信设备固有信息的重要途径。为解决海洋信道中非合作水声通信辐射源个体识别的难题,文章对水声通信发射机性能差异进行分析,重点对水声发射机根升余弦滚降滤波器的非线性进行描述,并针对非合作水声通信信号先验信息缺失且信号具有循环平稳性的特点,提出了一种利用循环谱等值线图区分不同辐射源的个体识别方法。以二进制相移键控信号为例,进行不同滚降因子条件下循环谱特征的仿真分析。研究结果验证了当信噪比不小于3 dB时文中所提辐射源个体识别方法的可行性。

水声网络不等差错保护的避环ROFC-LF码算法与分析

随着智慧海洋的发展,水声网络多媒体数据的传输受到学者关注.水声网络高度动态的拓扑导致相邻节点数据传输不完整,压缩的水下图像或视频等数据对重建数据的质量有不同影响,因此水声网络需要具有不等差错保护(Unequal Error Protection,UEP)的编码机制来编解码重要性不等的多媒体数据.递归与限制反馈的在线喷泉码(Recursive Online Fountain Code with Limited Feedback,ROFC-LF)具有开销低、反馈少及编译码简单等特点,因此适用于水声网络.本文针对水声信道带宽窄、延时长及能量受限等特点,系统地分析了ROFC-LF编码机制建立阶段存在的环问题.针对ROFC-LF编码存在的环和无法提供UEP功能这两个问题,本文提出了两个优化目标.此外,还提出了具有不等差错保护的避环ROFC-LF编码机制.该编码机制减少了由于建立阶段最大组件存在环引起的无用编码包的数量,进而降低了网络能耗.不等差错保护的避环ROFC-LF编码机制在建立阶段和完成阶段分别采用权重策略和数据优先级策略来实现UEP特性,并利用随机图理论对该编码机制进行理论分析,理论结果和仿真实验结果一致.结果表明:该编码机制能够快速的恢复重要数据的同时,降低了编码包的数量,适用于网络拓扑结构动态变化的水声网络传输重要性不等的多媒体数据.

基于多层优选卷积的水声信号样本自动标注方法

针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取更全面的特征信息。采用约减策略优化模型,有效缩短运算时间。通过优选、特征融合和注意力机制,有效解决此类问题。实验结果表明,该模型在数据集上取得的最好的标注准确率为高基线模型1.12%;同时运行时间减少了43.5%。因此,该模型的使用提高了水声信号标注的准确率和效率。

水声语义通信仿真实验设计

水声信道面临带宽资源有限和环境噪声复杂等局限,难以保证水声通信的高效性和可靠性。语义通信的微量性和鲁棒性表明其具有提升水声通信性能的潜力。为了验证基于语义通信革新水声通信的可行性,设计了一种水声语义通信仿真实验方案。发送端以文本为信源,提取文本的语义特征并以知识图谱表征,实现信息的微量表达,为数据的高效传输提供了有效途径;接收端借助深度学习技术将语义特征重构为文本,实现信息的鲁棒性重构,为数据的可靠传输提供了有力保障。仿真实验结果表明,与传统水声通信方案相比,水声语义通信方案具有微量表达和鲁棒传输等技术优势,形成了克服水声信道窄带宽和低信噪比等困难的全新水声通信制式。

脉冲噪声下AUV水声通信盲均衡算法模拟仿真

针对存在琢稳定分布噪声的水声信道中传统常数模盲均衡算法(constant modulus algorithm,CMA)无法稳定收敛的问题,提出一种基于模拟退火粒子群算法优化的变步长分数低阶盲均衡算法(SAPSO-VSS-FLOSCMA),该算法将FLOSCMA的代价函数作为SAPSO算法的适应度函数,利用SAPSO算法搜索全局最优解代替盲均衡器的初始权向量,降低了FLOSCMA算法的稳态误差,并采用双曲正切函数调节FLOSCMA算法的步长因子加快算法的收敛速度。水声信道仿真结果表明,与CMA和FLOSCMA算法相比,SAPSO-VSS-FLOSCMA算法在收敛速度和稳态误差方面均得到提高,且误码率更低。

ResNet-UAN-AUD:基于深度学习的水声上行非正交多址通信系统活动用户检测方法

水下声学网络(Underwater Acoustic Networks,UAN)是探测未知水域的重要技术手段。非正交多址(Non-Orthogonal Multiple Access,NOMA)是一种新颖的移动通信技术,支持时域、频域、空域/编域的非正交分配,可有效地提高网络容量和用户接入数,为性能和电量受限的UAN提供创新解决方案。活动用户检测(Active User Detection,AUD)是NOMA通信系统的基础支撑,对于NOMA系统消除信号干扰和提高接收性能至关重要。ResNet是基于残差模块跳跃连接的神经网络,解决了深度学习的梯度消失和网络退化问题。提出了一种基于深度学习的水声上行NOMA通信系统AUD检测方案。首先,构建水声上行NOMA通信系统基本模型;其次,实施NOMA活动用户检测问题的数学表征;接着,开发基于ResNet网络的水声NOMA系统活动节点检测方法(ResNet-UAN-AUD);最后,执行仿真实验。结果表明,ResNet-UAN-AUD的检测性能接近基于长短期记忆网络的活动用户检测(LSTM-UAN-AUD)方案,而复杂度略高于基于卷积神经网络的活动用户检测(CNN-UAN-AUD)技术,实现了次优目标,适合水声上行NOMA系统使用。

水声信道模拟仪设计与实现

水声信道是无线传输水下观测信息的重要途径。为了测试水下装备,通常需要开展水下观测和水声传输实验,周期长、成本高。在陆上模拟水声信道,基于模拟信道测试水下装备观测端至终端的水声传输性能,有望提升实验效率、降低实验成本。然而,目前水声信道模拟通常通过计算机仿真实现,无法实体连接水下装备对其测试。发展模拟水声信道的嵌入式仪器是实现水下装备陆上测试的迫切需求。为了达到此目标,该研究基于指定海域温度、盐度、地形地貌等参数,配置水声信道模型,设计并实现水声信道模拟系统软件,适配至国产嵌入式平台,形成水声信道模拟仪。水声信道模拟仪能够与水下装备实体连接,形成短周期、低成本的水下装备陆上测试新实验方案。

一种低碰撞多传输的水声无线网络MAC协议

针对水声通信网络中长传播时延带来的时空不确定性以及现有水声MAC协议中存在信道预约阶段握手碰撞概率较高的问题,提出了一种碰撞避免并发传输的MAC协议(Collision Avoidance Concurrent Transmission MAC protocol,CACT-MAC)。CACT-MAC协议先由目的节点发起广播测试帧,对信道进行预约。收到该测试帧的源节点通过发出带有并发传输条件的控制包进行并发传输节点的获取,同时这个控制消息还能够为后续数据包的追加传输提供支持。此协议包含一种发送优先级确定机制:根据源、目的节点传播时延与中继数据包数目来确定发送顺序。与DCT-MAC协议和Slotted-FAMA协议相比,所提协议在网络吞吐量上分别提高了5.49%和9.98%,同时在信息控制开销方面分别降低了18.87%和20.56%。

基于面积加权GWT-GFT的水声目标识别

由于海洋环境的复杂性,水声目标的识别具有很大的挑战性。为解决这类复杂环境下特征提取的问题,提出了一种基于面积加权的图小波变换-图傅里叶变换(GWT-GFT)的分析方法。在完成数据预处理后,为了能够凸显顶点之间的关系,提出了一种新的基于顶点三角形面积的加权方法来构建图信号;构建好的图信号通过GWT分解为多尺度图分量;然后,利用GFT将这些分量从图域变换到特征值谱域进行分析;在此基础上,提取各分量特征值谱的特征;最后,利用基于高斯核函数的支持向量机(SVM)对获取的特征向量进行分类。基于水声信号ShipsEar数据库,采用5折交叉验证方法进行验证。与现有的其它方法相比,所提的模型以36个特征在376656个样本上取得了97.22%的准确率,证明了该分析方法的有效性和鲁棒性。

基于YOLO-OpenMax的水声通信信号开集识别方法

水声通信信号调制方式随着技术进步从典型的传统调制方式发展为水声通信机厂商私有开发的新型调制方式,这使得现有的水声通信信号闭集调制识别技术实用性受到制约,但现阶段鲜有研究基于深度学习的水声通信信号调制方式的开集识别方法。针对此现状,提出一种基于YOLO图像检测识别网络和OpenMax模型的开集识别方法。利用YOLOv5网络的输出特点,将传统OpenMax模型的处理方法进行改进,提出一种两步测试方法,实现了在多径信道下的水声通信信号的开集识别。仿真实验表明:在归一化系数为0.5,信噪比等于10 dB条件下的归一化开集识别准确率达到90%以上,实测数据同样验证了本文方法的有效性。

上海首家获得CNAS认可的水声检测实验室正式运行

2024年4月,由中国科学院声学研究所东海研究站与大连检验检测认证集团有限公司联合共建的“水声检测与感知实验室”正式通过中国合格评定国家认可委员会(China National Accreditation Service for Conformity Assessment,CNAS)实验室认可,这标志着上海首家获得CNAS认可的水声检测实验室正式投入运行。水声检测与感知实验室获CNAS认可的校准和测量能力范围包括标准水听器、水声换能器等水声测量仪器的校准,认可的检测能力范围包括水声换能器等水声测量仪器设备、水下噪声等水声参数的检测。

基于GANomaly的水声通信信号调制方式开集识别

针对水声通信信号调制方式的开集识别问题,提出了一种基于GANomaly的新型开集识别方法。GANomaly网络模型结合了生成对抗网络(GAN)的生成能力和异常检测技术的判别能力,通过对抗训练,重构调制信号的时频特征并确定误差阈值,进而有效地区分已知和未知的调制方式。在信噪比>8 dB的条件下进行的仿真实验显示,该方法对已知调制方式信号的识别率均超过了86.00%,对未知调制方式信号的识别率超过了80.00%。仿真实验结果验证了所提方法对未知调制方式的有效识别能力,为水声通信领域开集识别问题提供了新的解决思路。