现代水声通信技术发展探讨

2022-02-18邵宗战

科技创新与应用 2022年20期

邵宗战

（中国人民解放军91439部队，辽宁大连 116041）

中国辽阔的海域蕴藏着丰富油气资源、渔业资源和矿产资源，由此产生的经济效益对国民经济发展起着重要作用。为了能够有效提高我国海洋资源的探测率，应对水声通信技术进行创新。目前，声波在水中的电磁波要比想象中的小，能够快速传输较远的距离，在水下进行长距离通信传输的过程中，由于水声通信的宽带通数存在着一定的问题，所以信号的能量根据水声的可用带宽通常延绵数百米。因此，在有限的信道带宽中，利用水声通信资源时，应根据水声通信领域的方向，将高速数据转换成低速数据，减少对信号的干扰，这样不仅能够有效提高数据的利用率，还能够使其在水声通信中得以运用。

1 水声信道相关物理特性探究

1.1 水声信道基本物理特性

随着工业的快速发展，水声通信的应用过程也随之发生了改变。从传统的智能算法来讲，在蚁群算法的过程中，应根据深层次的神经网络进行分析，随着海洋动态的变化，水声信道的物理特征也发生了巨大改变，在运用人工智能算法时，应根据水声信道的动态变化特点进行分析，在水声领域发展中，应根据人工智能技术选用与实际相符的智能算法，这样不仅能够有效快速分析水声通信中的问题，并能及时对其进行改善。其中，水声对声波有一定影响，并随着频率的提升而升高，导致水声通信使用频率相对较窄，进而影响到通信的效率。在人工智能发展背景下，海洋物联网的建立对高频、短距离的研究能够有效提高水声通信网关观测技术，对于毫米波水声通信技术，水下通信距离仍然较短，一般仅限于几百米。水环境中声波传播缓慢导致水声数据传播延迟等问题，为了能够有效解决这一问题，在同一信号的声波，通过不同线路接收，收端时应对通道延迟误差进行分析，特别是不同海洋环境中存在着毫米的差异，这种不确定性增加了数据处理的难度，导致在频率、信号、接收或传播的过程中，出现选择不确定性。水下声波的时间和空间是不确定的，在波浪的影响下，水声通信传播的授信会出现漂移现象，而随着水下航行器的运动变化，声波低速传播，这样不仅会导致水声传输数据出现误差较多的特点，在某一时刻，信号就会减弱，出现较大的起伏。然而，在不同的海洋环境下，不确定性的变化会更加明显，导致其效率降低。海洋噪声的干扰对于海上交通以及生物活动都会造成影响，此外，还会给水上信号接收时带来较大干扰，对海洋生物造成困扰。水声通信具有保密性高的要求。水声通信在组网的发展中，其应用价值较高，所以在海洋物联网建立的过程中，水上数据具有较强的敏感性，应做好相应的保密工作，并借助人工智能技术，防止网络的干扰攻击。

1.2 水声信道时变特性

在水声通信进行传输数据的过程中，应根据不同场景利用不同的人工智能算法。在水中探测的过程中，应根据物理层面对其进行分析，而另一方面是水声组网主要根据网络层面对网络进行分组。在初期阶段，人工智能技术与水声通信技术应用相对较少，所以，人工智能技术应根据实际情况，进行使用并解决具体通信问题。随着人工智能技术不断发展，在深度网络神经研究方面应把人工智能技术应用到水声信号分类的调制以及网络协议等方面。在海洋物联网发展的过程中，水声通信网络应根据水声目标进行识别，并将其特征进行融合，在不需要根据几何形状进行分析时，根据不同种类的视图来分类，这样不仅能够有效提高准确率，还能将深度网络以及网络模型进行有效应用。通过运用人工智能技术的深度网络进行计算，在传统抛节点法基础上，根据相应的计算来提高定位精度，其中，在利用人工智能的过程中，应根据深度神经网络的信道估值，对水声信道进行估值。如果在分析水声信道适应期的过程中，应根据编码进行提高或降低，这样才能有效确保水声通信质量的预测准确性。在水声通信变化的过程中，应考虑风速等环境问题，并且要将设备自身的参数运用到机械学习模型中，当水声通信时空发生变化时，能够紧急预测，并提出相应的解决方案。在物理通信层面，人工智能的应用促进了水声自适应调节技术的发展，如果说水声通道单在通信技术是物理层应用的关键，那么，通信网络的研究应根据水声路由的协议以及网络安全进行调节，并运用多种的算法设计，合理合规地调节规则，才能有效解决其存在的问题。

2 现代水声通信技术及其应用

2.1 OFDM在现代水声通信技术中的应用

在利用无线通信技术中，应根据资源分配，对子载波分配法进行研究。在通信系统中，带宽资源是非常有限的，可以通过底盘系统进行最小化传播功率，并加快传播的速度。在网络代码协作OFDM通信系统中，通过自载波的分配以及用户的数量进行最大化，并将基于容量准则的子载波分配算法、非理念传速的最大化直播分配方案对其预算法的系统性能进行最优化预算，因此，可利用较大的多变水声通信。实验表明，采用马尔可夫预测算法的系统比最小平方预测算法具有更好的性能和吞吐量，适用于大时延水声信道。在最大化实现OFDM系统中，应根据子载波进行分析，将自带播术中的误码率以及环境噪声及信道信息对子载波上面的功率进行有效分配，其中，启发式的水声传统直播算法中，未能考虑连续分配的水下通信系统，所以在使用的过程中，提出了相关的底盘系统加载优化法，在保证水下传感器各节点数据传输速度不变的情况下，使总体数据最大化。在选择资源分配的过程中，应根据子载波分配结合并对用户进行输送，这样不仅能够有效提高输送的效率，还能有效提升系统的容量。针对水声通信系统，应根据合理的算法，满足误差限定条件下的最大化数据速度，同时，应根据每个水下传感器的相应数据速点进行分析，如果在同一时间传感器节点上连续两轮出现轮空的现象，就表明该节点的信息是十分不准确的，因此，应根据低原算法性能的前提下，对相应的信息传输进行改善，这样不仅能够有效提高信息传输的效率，还能解决存在的问题。

2.2 多载波调试

在选取传感节点的过程中，应根据主要判断指标，每个传感器可以在多个或一个节点上获得最大通道值，如果将相应的传感节点进行分配，这样不仅会导致传感节点出现不佳的问题，还有可能造成数据混乱的问题。所以应选择具有最佳信道状态的传感器作为本节点的降序排列。在占用不足情况下，应根据信道系统的良好节点，将其进行预留，这样更容易在后期找到分配的节点，快速将其进行分配。如果在节点中预留了所有子载波，那么就会减少默认值，需要重新一轮分配到相应的资源。在找到信息最大值的过程中，应根据第一轮的标准进行分析，找到适合信道状态的最大值作为节点，候选节点可能会有一个或若干个，所以在选择节点的过程中，可以将本轮的分配子载波资源将其等待在候选节点是唯一的情况下，那么可以直接分配信道状态，最大值对应的子载波节点。如果不确定的情况下选择候选节点，可以相对比较节点子载波的信道状态值，淘汰信道状态最高值的节点并保留信道值最低的节点进入第三直播进行比较，直到最差值的一方出现节点为止，应将其分配子载波资源。其中，如果有两个或两个以上传感器节点将其信道状态值从小到大进行排序，进而可以有效实现最大值的多个子载波，所以在选择序号的过程中，应根据实际情况进行分析，将最低的子载波进行分配。第一轮所有候选的节点分配子载波，可以按标准值进行挑选，第一轮的候选节点分配子载波资源，可以将第二轮的候选节点分配到子载波资源，如果充分考虑其算法性能，可以对算法的第三步进行改动，这样能够有效淘汰信道值最差的候选节点，在保留信道值最低的节点中，可以将第三子载波的节点进行比较，淘汰候选值节点状态较低的，保留信道状态值最低的候选节点进入第三波节点中，其中最好通过仿真观察法观察其性能是否有较大的改变，如果在多次分配的过程中，载波算法未能按照相应的算法进行对比参照的话，那么，在实际传感节点大于子载波束的过程中，这一节点就会以轮空的形式进行分配。所以在下一轮分配的过程中，应根据信道状态进行随机生成，如果同一个传播节点，依然轮空的情况下，那么可以对该节点传输的信息进行分析，再次轮入下一波分配节点中，这样不仅能够有效降低最低子载波进行分配，并且还能挑选出最优质的候选节点，在实际子载波资源分配完毕时，可以将候选节点进行合理准备，如果候选节点第二子载波的信道状态值未能根据第一子载波的信道状态值进行对比的话，不仅会发生错乱的现象，还会降低最大的候选值，所以在实际分配的过程中，应根据传感器的节点及最终目标的节点，按照顺序进行选择，最终其分配的子载波资源将成为最大值的多个子载波。

2.3 时间反转技术

子载波分配算法在节点传感器中十分重要，其中，应根据最差优先算法，以最好优先算法进行分析，如果在最差算法中状态值不高于最好优先算法，这就说明整体信道状态不同于传感器节点设置的最高优先级，进而不能保证所有的信道状态值最大。相反，最差优先算法可以考虑整体信道状态的传感节点，如果在冲突的情况下，应根据整体信道状况较好的传感器节点进行分配，再分配到子载波上，信道状态值较大的情况下，可以按照节点论序算法的通道状态进行分析，其中，信道状态总和不低于其中的第三名称，如果在每个传感器节点的最优子载波，并不能保证全局的最优节点，所以，应根据节点论序算法进行分析，并将其随机分配，没有任何处理的优化，进而有效提高信道状态的最大值。相比之下，最差优先算法可以考虑综合的信道条件，较差的传感器节点，如果在预防冲突的过程中出现信道特点的传感节点，无法根据子载波最优的节点时，可以将它们分为三个，这样不仅能够有效保证传感器节点的最佳利用值，还能将随机分配算法进行优化处理。子载波论序算法的最差传感器节点信道状态值低于其他两种算法，且差异不大。原因是，在使用不同算法时，应根据等级进行分配，如果分配的资源较差时，可以根据最差优先算法制定合理的机制，在优先等级较差的传感节点仍选择较好的资源时，就会导致节点不高于最差优先。因此，两种算法中最差传感器节点的信道状态值高于其他三种算法。

2.4 多输入多输出技术

未被分配到子载波资源的传感器节点序号。多输入多输出技术由于有6个传感器节点，所以每个时隙必然有一个传感器节点分配不到子载波资源，某些传感器节点会在超过两个的连续时隙上都获取不到子载波资源。在通过算法传感器节点信道状态的过程中，可以根据最差传感器节点通信的状态值进行分析，最差优先算法以及最好优先算法使传感器节点在一定的时间内能够有效处理资源欠缺的问题，有效提高节点的传输性能。在每一种算法过程中，通信状态可以根据传感器节点数量的变化曲线，选择最差优先算法或最好优先算法，在通信状态，随着传感节点数的增加并有所变化，这不仅体现出算法的多用性以及用户数量的多样化，在子载波上可能会找到信道状态更优秀的用户，并按照相应的算法，增加最大化的性能。最差传感器节点不够友好的情况下，可以按最差优先算法以及最好优先算法进行分配，再进行随机分配，如果没有根据任何优化进行分析，其性能就会导致传感器节点数量增加。

3 水声通信技术的选择

在水声通信技术选择的过程中，通信接收器是信号调理电路的重要一部分，其中，对水声接收信号以及放大调理功能，如果水声通信存在着较大问题，那么，可以对其转换后的电信号进行分析，如果模拟信号调理电路的性能取决于通信系统工作的性能，就可以将其进行改善。在采用固定增大值或固定放大电路的方式中，固定放大值应根据相应的放大倍数进行分析，前端内部具有放大系统，可以达到相应的匹配值，固定放大电路通过信号对电路进行增值控制的情况下，应根据电路设计方案，利用放大器进行搭建，在通过电路与低通电路的方式实现滤波时，通过信号对电路的控制，能够有效对其进行改善，并利用带通滤波电路的实际曲线，改善相应的工艺带，如果在相应的信号中添加相应的调整电路，就可以实现信号相应的补偿目的。在设计数字信息处理的过程中，应根据外围的电路构成对数据信号处理进行分析，在数字信号处理电路板中，应根据相应的外围电路构成并利用检测算法，将信号储存到内部，将平均值与原理算法进行同步简算。当数据值相同时，就可以简化过程，利用同步检测得到相关的数据值。在接收信号的过程中，如果使用线路合理算法进行处理的话，可以将结果相乘，这样不仅能够有效得到相关的峰值，还能得到峰值的位置。在本地参考数据值的结果中，可以根据内部数据信号处理，实现相应的本节点，在恢复至时域的过程中，可以将相乘的结果通过相应的算法进行储存，获得实部以及虚部的内部数据。为了能够有效提高算法，在实践的过程中，可以将信号进行分段，如果提供的结果通过的相加法进行拼接的话，可以将其进行改善，在固定放大电路中搭建相应的运算放大器，这样不仅能够有效对其进行分析，还能了解到信号中的问题，由此看来，在实际运用数据中，可以根据不同种类的信号反应，运用同步检测算法，进而能够有效实现数字信号，提高数据处理电路板的效率。