孫志敏

摘 要：自然環(huán)境的變化發(fā)展，海洋環(huán)境不斷變化，從而影響到了水聲信道系統(tǒng)，原有的水聲通信技術(shù)不能更好地適應(yīng)水聲信道復(fù)雜的時(shí)空頻率變化。人們加大了對(duì)能適應(yīng)不同海洋環(huán)境下水聲業(yè)務(wù)指標(biāo)的通信機(jī)的研究力度，以期能在多變的氣候條件下實(shí)現(xiàn)穩(wěn)定的水聲通信組的應(yīng)用。人工智能的發(fā)展，為水聲通信技術(shù)研究帶來了新的思路。文章主要概述了人工智能技術(shù)在水聲通信中的應(yīng)用，包括物理層和網(wǎng)絡(luò)層兩個(gè)方面。

關(guān)鍵詞：水聲通信;人工智能技術(shù);研究分析

0 引言

隨著信息技術(shù)和科技水平的發(fā)展，在水聲通信系統(tǒng)中引入了多種理論和技術(shù)研究成果，以更好地應(yīng)對(duì)多變的海洋環(huán)境對(duì)信號(hào)的影響。但是分析當(dāng)前發(fā)展現(xiàn)狀，沒有一種能適用于不同類海洋環(huán)境且能滿足速率、距離等其他各項(xiàng)指標(biāo)的水聲通信機(jī)，無法實(shí)現(xiàn)大規(guī)模水聲通信組網(wǎng)的應(yīng)用，從而建立穩(wěn)定性較強(qiáng)的海洋物聯(lián)網(wǎng)。分析其原因，主要是海洋環(huán)境處于不斷變化中，一些原有的理論技術(shù)不能進(jìn)行實(shí)時(shí)、有效地根據(jù)變化進(jìn)行自適應(yīng)匹配設(shè)計(jì)。人工智能技術(shù)的發(fā)展，在通信、教育等社會(huì)多個(gè)領(lǐng)域發(fā)展中產(chǎn)生了重大的影響，要結(jié)合水聲信道的特點(diǎn)和實(shí)際情況，加強(qiáng)對(duì)人工智能技術(shù)應(yīng)用情況的分析。

1 水聲通信人工智能技術(shù)概述

人工智能技術(shù)在不同的發(fā)展階段呈現(xiàn)出不同特點(diǎn)，其在水聲通信中的應(yīng)用也隨之發(fā)生了變化。傳統(tǒng)的應(yīng)用主要是智能算法，最典型的如蟻群算法等，后來逐漸發(fā)展到深層次的深度神經(jīng)網(wǎng)絡(luò)等算法，隨著海洋環(huán)境動(dòng)態(tài)變化和發(fā)展，水聲信道的物理特性也發(fā)生了很大的變化，而與此相關(guān)的人工智能算法也在不斷革新改變[1]。

1.1? 主要思路

水聲信道具有信道窄帶寬、起伏大、噪聲大、處于動(dòng)態(tài)變化中等特點(diǎn)，水聲領(lǐng)域發(fā)展中融入人工智能技術(shù)，需要選擇與之適應(yīng)的智能算法，分析水聲通信中的典型問題，并對(duì)其進(jìn)行不斷改進(jìn)[2]。具體問題包括以下幾個(gè)方面。

其一，水聲傳輸吸收衰減。海水對(duì)聲波有一定的影響，其對(duì)聲波吸收衰減，會(huì)隨著頻率提升而升高，導(dǎo)致水聲通信客用的頻率帶寬相對(duì)較窄，影響到通信的速率。一般來講，在100千米以內(nèi)的傳輸距離中，可以使用的寬帶不足1 kHz，需要通過降低通信距離的方式來提升通信的速率。人工智能發(fā)展背景下，海洋物聯(lián)網(wǎng)的建立，主要是集中對(duì)高頻短距離、寬帶高速等研究，借助高速水聲通信組網(wǎng)觀測(cè)技術(shù)、數(shù)據(jù)交互技術(shù)等，對(duì)現(xiàn)有的毫米波水聲通信技術(shù)進(jìn)行研究，但是這種技術(shù)背景下，其通信距離仍然相對(duì)較短，一般局限于幾百米[3]。

其二，水聲傳輸時(shí)空存在很大不確定性。在水域環(huán)境下，聲波的低速傳播，會(huì)帶來水聲數(shù)據(jù)傳輸延時(shí)等問題。一般來講，同一信號(hào)的聲波，經(jīng)過不同的線路到達(dá)接收端，有多途時(shí)延誤差的問題，尤其是在不同的海洋環(huán)境下，可能會(huì)存在毫秒級(jí)差異，而這種不確定的大時(shí)延，會(huì)增加數(shù)據(jù)段數(shù)據(jù)處理的難度，導(dǎo)致信號(hào)在某些頻率下增強(qiáng)或者衰落的現(xiàn)象，增加空間選擇等不確定性[4]。

其三，水聲傳輸?shù)臅r(shí)空存在不確定性。受潮汐、波浪等影響，水下通信設(shè)備收發(fā)端會(huì)出現(xiàn)漂移問題，水下航行器也會(huì)存在運(yùn)動(dòng)變化，這些運(yùn)動(dòng)速度相對(duì)較低，但是聲波在水中也屬于低速傳播，導(dǎo)致水聲數(shù)據(jù)傳輸出現(xiàn)多普勒擴(kuò)展的特點(diǎn)，引起某一時(shí)刻信號(hào)增強(qiáng)或削弱，出現(xiàn)較大的起伏，而不同海洋環(huán)境下，這一不確定性變化更加明顯。

其四，海洋噪聲干擾。潮汐、波浪、生物活動(dòng)及海上交通等，都會(huì)對(duì)整體的海洋環(huán)境帶來噪聲干擾，加上水下通信設(shè)備頻段的影響，給水聲信號(hào)接收帶來很大的干擾，利用神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)能對(duì)這一問題加以解決[5]。

其五，通信敏感性、保密性要求高。水聲通信及組網(wǎng)在當(dāng)前的社會(huì)經(jīng)濟(jì)、軍事等領(lǐng)域應(yīng)用價(jià)值較大，海洋物聯(lián)網(wǎng)的建立，水聲數(shù)據(jù)具有較強(qiáng)的敏感性，且需要做好保密工作。借助人工智能技術(shù)發(fā)展中的水聲物理層防攻擊認(rèn)證、網(wǎng)絡(luò)層的防干擾攻擊，都能有效解決這一問題。

1.2? 人工智能在水聲領(lǐng)域的算法應(yīng)用分析

結(jié)合對(duì)水聲信道及數(shù)據(jù)傳輸?shù)忍攸c(diǎn)的分析，已嘗試在不同的場(chǎng)景中積極運(yùn)用一些人工智能算法。一種是水聲探測(cè)和通信領(lǐng)域，主要是物理層面，包括了識(shí)別目標(biāo)、預(yù)測(cè)質(zhì)量，對(duì)水聲加以定位等。另一種主要是水聲組網(wǎng)，主要是應(yīng)用于網(wǎng)絡(luò)層面，包括路由選擇、網(wǎng)絡(luò)分簇。

在初期發(fā)展階段，人工智能技術(shù)與水聲通信的應(yīng)用相對(duì)較少，人工智能只是被當(dāng)作相對(duì)較好的算法，用以解決具體的問題。隨著人工智能技術(shù)的不斷發(fā)展和應(yīng)用領(lǐng)域的增多，一種以深度網(wǎng)絡(luò)神經(jīng)、深度學(xué)習(xí)等為特征的人工智能技術(shù)，被廣泛應(yīng)用于水聲信號(hào)分類的調(diào)制、接收機(jī)處理、網(wǎng)絡(luò)協(xié)議等方面，在海洋物聯(lián)網(wǎng)發(fā)展框架中，實(shí)現(xiàn)水聲通信網(wǎng)絡(luò)與人工智能的融合研究。

2 人工智能技術(shù)在水聲通信中的應(yīng)用

2.1? 物理層中的應(yīng)用

其一，水聲目標(biāo)的識(shí)別。在研究中，Roberts等將采集到的9種不同種類的魚，對(duì)每條魚設(shè)置200多個(gè)回升數(shù)據(jù)，并根據(jù)其特征設(shè)計(jì)決策融合、協(xié)作融合等算法，在不需要對(duì)視圖幾何形狀進(jìn)行假設(shè)研究的同時(shí)，可以對(duì)不同魚類的視圖寬帶聲學(xué)加以分類，一定程度上降低了錯(cuò)誤率[6]。此外，應(yīng)用研究相對(duì)較多的還有深度卷積神經(jīng)網(wǎng)絡(luò)、支持向量、深度信念網(wǎng)絡(luò)模型等，通過此對(duì)水聲目標(biāo)數(shù)據(jù)進(jìn)行收集測(cè)試。

其二，水聲目標(biāo)的定位。主要是利用人工智能技術(shù)中的深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)距離計(jì)算法，或者是在傳統(tǒng)錨節(jié)點(diǎn)基礎(chǔ)算法基礎(chǔ)上，引進(jìn)迭代計(jì)算等，提升定位的精確度，在研究中也有將支持向量機(jī)技術(shù)應(yīng)用到水下目標(biāo)定位的研究的實(shí)例。

其三，水聲信道的估計(jì)均衡。具體包括基于粒子群算法的自適應(yīng)決策反饋均衡器的運(yùn)用，還有的研究在對(duì)人工智能分析的基礎(chǔ)上，提出了基于深度神經(jīng)網(wǎng)絡(luò)的信道估計(jì)器，基于向量機(jī)的水聲信道盲均衡算法等。

其四，自適應(yīng)調(diào)制通信技術(shù)。主要是在強(qiáng)化學(xué)習(xí)Dyna-Q算法的基礎(chǔ)上，分析得出水聲自適應(yīng)調(diào)制的策略，也有借助向量機(jī)、偽線性判別法等對(duì)編碼進(jìn)行調(diào)制和分類，提升編碼調(diào)制的效果。

其五，水聲通信質(zhì)量預(yù)測(cè)。在水聲通信性能變化研究中，考慮風(fēng)速、抄襲等環(huán)境因素，還要考慮設(shè)備自身的參數(shù)，運(yùn)用機(jī)遇邏輯回歸機(jī)器學(xué)習(xí)模型進(jìn)行研究，對(duì)水聲通信時(shí)空變化及性能進(jìn)行預(yù)測(cè)。

在通信物理層的應(yīng)用中，人工智能技術(shù)的運(yùn)用，加強(qiáng)了水聲自適應(yīng)調(diào)制技術(shù)、通信質(zhì)量預(yù)測(cè)技術(shù)等研究力度，未來發(fā)展中，新型人工智能技術(shù)的研究是水聲領(lǐng)域的重要研究技術(shù)，如變水聲信道單載波通信接受技術(shù)，是人工智能技術(shù)在物理層應(yīng)用的關(guān)鍵點(diǎn)。

2.2? 網(wǎng)絡(luò)層中的應(yīng)用

通信網(wǎng)絡(luò)層面的研究應(yīng)用中，主要包括水聲網(wǎng)絡(luò)路由協(xié)議及網(wǎng)絡(luò)安全等方面。網(wǎng)絡(luò)路由協(xié)議中，運(yùn)用基于多種群螢火蟲算法，設(shè)計(jì)協(xié)調(diào)規(guī)則，還有的運(yùn)用蟻群算法、人工魚群算法、Q-leaning算法等。水生網(wǎng)絡(luò)安全的研究中，提出了通過強(qiáng)化學(xué)習(xí)物理層認(rèn)證對(duì)通信網(wǎng)絡(luò)中的欺詐行為進(jìn)行識(shí)別，還有包括基于深層Q網(wǎng)絡(luò)的抗干擾攻擊數(shù)據(jù)傳輸框架，側(cè)重其在水聲網(wǎng)絡(luò)安全方面的研究。除此之外，水聲網(wǎng)絡(luò)安全中，還包括水聲網(wǎng)絡(luò)拓?fù)浞执亍⒐?jié)點(diǎn)功率分配等研究。

3 結(jié)語

綜上所述，人工智能技術(shù)在水聲通信中的應(yīng)用研究，隨著海洋環(huán)境的變化、水聲通信技術(shù)的革新等也在不斷變化，未來發(fā)展中，人工智能技術(shù)與水聲通信交叉研究主要是針對(duì)海洋大環(huán)境變化、水通信樣機(jī)的適應(yīng)性、海試成本高等方面。

[參考文獻(xiàn)]

[1]張育芝，張效民，王安義，等.水聲通信網(wǎng)絡(luò)信道建模與仿真研究進(jìn)展[J].科學(xué)技術(shù)與工程，2021（4）：1249-1261.

[2]韓東，賀寅，陳立軍，等.水下通信技術(shù)及其難點(diǎn)[J].科技創(chuàng)新與應(yīng)用，2021（1）：155-159.

[3]王領(lǐng)，申曉紅，張之琛，等.一種適用于水聲移動(dòng)通信同步檢測(cè)的組合濾波器[J].西北工業(yè)大學(xué)學(xué)報(bào)，2020（5）：919-927.

[4]楊健敏，喬鋼，劉凇佐，等.定向傳輸水聲通信網(wǎng)絡(luò)介質(zhì)訪問控制協(xié)議[J].聲學(xué)學(xué)報(bào)，2020（5）：675-682.

[5]陳友淦，許肖梅.人工智能技術(shù)在水聲通信中的研究進(jìn)展[J].哈爾濱工程大學(xué)學(xué)報(bào)，2020（10）：1536-1544.

[6]王詩(shī)雨.水聲通信自適應(yīng)調(diào)制技術(shù)與MAC協(xié)議研究[D].上海：上海交通大學(xué)，2018.

（編輯 何 琳）