作者：瞿逢重1 ,2 ,3 , 付雁冰1 ,2 ,3 , 杨劭坚2 ,3 , 卓晓晓4 , 涂星滨2 ,3 , 魏艳2 ,3
(1. 浙江大学海南研究院 , 海南 三亚 572025; 2. 浙江省海洋观测 -成像试验区重点实验室 , 浙江 舟山 316021; 3. 浙江大学 海洋感知技术与装备教育部工程研究中心 , 浙江 舟山 316021; 4. 中国科学院上海微系统与信息技术研究所 , 上海 200050)
摘要 :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。
关键词 ：海底观测网; 海洋监测; 海洋物联网; 水声通信技术; 水声通信机; 水声传感器网络; 正交频分复用; 通 信速率; 水声信道
传统的海洋观测网孤立、碎片化的感知海洋环 境数据以及其大型、固定且需要定期运维的特点已经难以满足人类观测海洋的需求 。近年来 ,为得到 多元、综合、实时的海洋信息 ,海洋物联网的概念被 提出以满足海洋行业各类需求 。水声通信链路作为 各节点互联互通的重要保障 ,成为海洋物联网的重 要组成部分 ,也受到科研机构和商业公司的广泛关 注 。近年来 ,随着海洋物联网向高空间分辨率、长时 间监测、广覆盖以及智能化发展 ,水声通信设备逐步 向低功耗、低成本、小型化、高通信能力发展。
海洋物联网( ocean internet-of-things ,ocean IoT) 是一个集海洋监测、信息传输、数据挖掘、结果反馈 等多种功能于一体的海洋信息综合网络[1] 。 自近 5 年被提出以来 ,海洋物联网已成为世界海洋领域 范围内的研究重点 ,其具体的应用、示范以及实现尚 在探索中 ,还未形成大规模互通互联可应用的海洋 物联网系统。
传统的海洋观测网有加拿大在北太平洋海底建 设的深海长期观测网—海王星海底观测网[2] ,欧洲多个国家联合开发的欧洲海底观测网络 , 日本的 ( advanced real-time earth monitoring network in the srea ,ARENA) 观测计划[3] , 中国在 2009 年和 2013 年分别建立的东海海底小衢山试验站[4] 和南海海 底观测网[5] ,2014 年由 Xie 等 [6] 研发设计的摘箬山 岛海洋试验研究观测系统( ZJU-ZRS experimental re- search observatory ,Z2 ERO) 等 ,这些传统观测网以船 基、岸基、浮标、潜标等为观测手段开展局部海域的 水文气象或海洋环境监测 ;其监测设备昂贵、监测海 域有限 ,观测网建成后很难再移动到其他海域 ,并且 传统的海洋观测网更注重于数据的获取 ,并不强调 对获取后的数据进行分析、存储和管理 。传统的海 洋观测平台还有大型、固定、难以定期运维的特点 , 通常存在质量大、布放困难、灵活性差、工程成本高 等诸多问题 ,单一 的有缆通信模式 , 以及复杂、大型 化的海洋观测接驳仪器限制了海洋观测网的发展和 推广[7] 。而海洋物联网则利用互联网技术 ,将海上 及水下各类小型化、低成本、便于布放的智能传感/ 监测终端互联互通 ,从而将海上信息整合 ,实现对海 上繁杂数据的监测和系统化管理 。具体来说 ,海洋 物联网先通过水上或水下传感设备采集与海洋相关 的各项参数 ,再凭借多种通信手段将数据发送到数 据中心或云平台 。数据中心或云平台利用大数据和 机器学习等相关技术通过定制化的软件对海洋数据 进行统一 的管理、分析及利用。
小型化、无缆化、智能化的海洋通信设备以及结 合多种通信方式的海洋物联网需要被广泛研究 。典 型的海洋物联网结构如图 1 所示 。除了少数有缆中 继外 ,海洋物联网主要包含定点和移动 2 种工作方 式 。其中 ,定点工作方式利用挂在浮标上的传感器 以及海底原位观测站装载的传感器进行工作 ;移动 工作方式利用水下滑翔机、水下自主航行器等携带 的传感器进行工作 。水下的固定节点和移动节点配 备水声通信装备 ,通过水声通信链路传输信息 。随 着人类对海洋的不断探索 ,这种小型化、低功耗的海 洋物联网系统更贴近实际海洋环境中的实时、原位、长时间立体观测的需求 ,在海洋经济、工程、科学以 及国防等领域发挥着不可替代的作用 。在海洋经济 和工程领域 ,海洋物联网可为海洋牧场和海洋环境 提供实时监测 ,为海底电缆光缆铺设、核电系统周围 海域提供实时的状态信息 。在海洋科学研究层面 , 海洋物联网具备海洋大数据获取、储存等功能 ,给予 科研人员足够的数据样本 。在国防事业中 ,海洋物 联网将作为“水下国门”为军事情报收集、信息监听 等多节点协同侦察提供保障。
为应对海洋物联网实际应用所提出的挑战[8] , 近年来 ,诸多学者致力于水声信道建模、信道估计、 均衡等算法的研究以追求高可靠性、相对高速率和 远距离的水声通信技术 。同时 ,海洋物联网设备需 要满足小型化、实时化、低成本、抗移动性强等要求 , 力求实现利用一艘小船即可完成海洋物联网节点布 放的设想 ,进一步为人类提供智能化海洋服务及应 用平台。
2. 1 海洋物联网对水声通信技术的要求
2. 1. 1 相对高速率与远距离传输
由于电磁波在水中大幅衰减 , 目前水下通信 更多依赖于声波进行信息传输 。水声信道具有背 景噪声复杂、信号衰减严重、多径效应明显、时 - 空 -频变等特点 。同时 ,较低的声速使得水声通信的 速率、带宽都远不及无线通信 。数据传输速率和 距离、频率紧密关联 , 近距离水声通信时 , 常选用 较高频率来提升数据传输速率 , 而远距离通信需 采用较低的频率以减缓能量衰减 ,但数据率也相 应降低 。21 世纪初 Kilfoyle 等 [ 9] 曾归纳出 一 个实 验规律 , 即水声通信系统的性能包络可以近似表 示为 :距离与数据率的乘积约等于 40 km× kbit/s。近年来 ,得益于多种水声通信物理层技术的发展 , 性能包络可达 100 ~ 200 km× kbit/s [ 10] , 国内外的水 声通信团队提出了各种调制解调算法以提高性能包络的上限。
2. 1. 2 适应移动平台的抗多普勒特性
多普勒效应是由于发射和接收装置之间的相对运动引起的,由于声速相比于无线电磁波低了 5 个数量级,水声信道中由移动产生的多普勒频移不可忽略。对于单载波调制而言,发射和接收端的主动行进导致了较大的多普勒频移,如果默认同步算法补偿了与发射/ 接收端主动行进速度在参考路径上的投影,那么初始同步后的残余多普勒因子
在多载波水声通信系统中,如正交频分复用(orthogonal frequency division multiplexing,OFDM),该通信系统对多普勒频移非常敏感,因为它破坏了子载波之间的正交性。如果不进行多普勒补偿和重采样来提高海洋物联网节点的抗移动性,后续均衡译码误码率将会极大提高[12]。
2. 1. 3 人工智能算法提升通信性能
将人工智能技术应用于水声领域,是针对水声信道窄带宽、大时延、强多途、大起伏、大动态变化和高噪声等特性的一种创新思路。这种应用的核心在于选择合适的智能算法,以解决水声通信在物理层和网络层上的经典问题[13]。尤其在 2010 年前,人工智能技术在水声领域的运用相对有限,然而近年来,随着强化学习、深度学习、支持向量机等人工智能算法在水声通信中的引入,对信道均衡、水声调制与信号识别、水声信号自适应调制等关键问题的解决变得更加有力。这些人工智能算法的应用不仅使水声通信技术在性能上获得显著提升,同时也为水声通信面临的挑战提供了具有创新性的解决途径。这一趋势得益于人工智能领域的快速发展,使得水声通信领域能够更好地应用这些先进的算法,从而提高通信的可靠性、鲁棒性和适应性。随着研究的深入,越来越多的学者开始将人工智能算法融入海洋物联网通信设备中,以构建更强大、更智能的水声通信网络。这种技术的整合将为海洋物联网的发展带来新的机遇和挑战。未来,可以期待看到更多创新性的应用,这些应用将推动水声通信技术迈向新的高度,为海洋资源管理、环境监测和科学研究等领域提供更为精确和可靠的数据支持。
2. 2 海洋物联网对水声通信设备的要求
2. 2. 1 高空间分辨率对体积及成本需求
区别于传统的海洋观测系统,近年来海洋物联网对于节点设备的需求在体积方面更趋于向小型化、轻量化发展,在成本方面体现在设备成本与作业成本的下降。当满足以上需求,海洋监测节点的空间分辨率将进一步提高。为解决传统海底有缆观测设备体积大、布放困难等难题,新型的海洋物联网节点设备的小型化进程已经逐步开展,这得益于微电子芯片领域的快速发展。如今的海洋通信设备电路可以达到数十毫米的量级,可以被成年男子单手掌握。节点设备的小型化进程解决了传统观测设备灵活性差、布放工程成本高、不易定期运维的劣势,让利用小船“一手提”的海洋物联网节点布放、回收方式成为可能。设备的小型化极大地解决了海洋物联网节点布放、回收成本高的问题。此外,传统的海洋节点存在质量大、价格高等特点,在固定经费支撑下,空间分辨率一直是有待解决的难题。目前广泛使用的 Argo 浮标布放数量巨大,但受制于成本,其空间分辨率仍无法覆盖大尺度海面。因此随着海洋设备制造产业的逐渐成熟,对于新型海洋物联网节点设备而言,只有制造出价格更为低廉的网络监测节点,才能满足海洋物联网更高的空间分辨率布放需求。
2. 2. 2 长时间监测对低能耗需求
海洋物联网的实施要求各个节点设备能够长时间稳定地监测海洋环境、温度、深度等动态数据信息。在这一背景下,为确保设备的可持续运行,设计低功耗和高能效的电路成为设计海洋物联网通信设备时的首要考虑因素。这一设计原则特别考虑了海洋中节点设备难以进行常规运维的情况。低功耗的电路设计对于海洋物联网至关重要。在海洋环境中,能源供应通常受限,因此设备必须有效地管理能量消耗,以确保长时间的稳定运行。通过采用优化的电路设计和先进的能量管理技术,节点设备可以在有限的能源资源下实现数据监测和通信功能,同时延长电池寿命,减少更换电池的频率。高能效电路设计也是关键因素之一。通过最大程度地利用输入能量,减少能量损耗,设备可以在有限的能源下提供更多的功能。高能效电路设计还有助于降低设备发热和能量浪费,保持设备的稳定性和可靠性。鉴于海洋中节点设备的运维困难,休眠唤醒机制在海洋物联网中得到广泛应用。这一机制允许设备在空闲时进入休眠状态,以降低能源消耗。当需要进行数据采集或通信时,设备会被唤醒,完成任务后再次进入休眠状态。通过这种方式,节点设备的运行周期得以延长,从而降低了运维成本。这些技术的综合运用将为我们更深入地了解海洋环境提供可靠的数据支持。
2. 2. 3 智能化服务及应用对终端处理技术需求
海洋物联网需要提供数据聚合服务来提升海量传感数据的处理速度。人工智能及边缘计算的发展使得海洋物联网水下通信设备向智能化发展。水下终端具备更强的数据处理能力,大部分的数据处理任务可以在节点终端进行,即在海洋物联网的边缘服务器处理数据,并通过水声链路实时回传。这样大部分任务分配到边缘服务器中处理,极大程度地降低了水声链路的传输负载,提高了整体性能。随着边缘服务器协同计算的加入,云服务器处理的冗余数据量也将降低,边缘服务器将以更低的时延向云服务器发出更快响应,便于云服务器进行决策。云服务器将处理后的海洋传感数据整合,最后向用户提供可视化、智能化服务。这将使得海洋物联网更好地应用于海底原位监测、海洋环境保护、自然灾害预警、渔业资源评估等领域。
发展水声通信技术是发展海洋物联网的重中之重,研发小型化、低成本、抗移动、易布放的水声通信机,建立可靠的水声通信链路作为节点互联互通的重要保障以满足多场景、多海域的监测需求,进一步拓宽海洋物联网的示范应用。
目前的海洋物联网系统大多是基于有限水下节点建设的水下通信网络。绝大多数的海洋物联网致力于实现数公里范围内的水下环境传感与监测,并通过海面浮标基站作为中继将水下获取的信息传输至岸基站。在这个过程中,不同节点面临的通信环境和任务需求各异,需要多样化的水声通信策略以满足水下网络信息传输的需要。例如,近距离节点间的通信往往有高速率水声通信的需求,远距离节点间的通信则面临高可靠水声通信的挑战。
本文调研了近十年来国内外研究机构和公司最新的水声通信技术研究进展和搭建的水声通信机,发现绝大多数的水声通信机都符合小型化、低成本、可移动、易布放的特点,这极大程度地助力了海洋物联网的发展。
国内研究机构如中科院声学所、哈尔滨工程大学、浙江大学、西北工业大学、厦门大学等通过多年的努力,在小型化、轻量化的水声通信技术与装备研究方面取得了一定的成果。中科院声学所提出一种双向软决策反馈均衡器[13],用于双选择性信道上的正交频分复用( orthogonal frequency division multiplexing,OFDM)水声通信系统,并提出一种迭代的基于子载波间干扰深度估计的 MIMO-OFDM 接收机。仿真结果表明,该接收机相比于干扰深度渐进的接收机,译码成功所需的时间更短[15]。面向深海需求,声学所团队提出了一种改进的比例归一化最小误码率 ( improvedproportionate normalized minimum-SER,IPNMSER)算法,用于深海垂直声学通信中的自适应 turbo 均衡,该算法在大约 10 500 m 的垂直通信范围内实现了对所有数据块的无差错检测[16]。声学所团队还提出了一种概率星座整形 ( probabilistic constellationshaping,PCS)辅助单载波收发器,以提高水声通信(underwater acoustic,UWA) 的频谱效率,实验结果表明,PCS-UWA 通信系统的性能明显优于没有 PCS的传统系统[17]。
哈尔滨工程大学团队将 OFDM 和扩频( spreadspectrum,SS)的码分多址( code division multiple access,CDMA)用于实现全双工( full-duplex,FD)和多用户水声通信,设计出了国内首个全双工、多用户和参数可重构的水声通信机[17]。然后哈尔滨工程大学团队针对全双工通信的迭代展开了系列研究:2013 年提出了一种基于全双工的水声通信网络协议,通过避免冲突来节省传输能量,同时最大限度地提高吞吐量,并有效地解决了隐藏/ 暴露的终端问题[19];2018 年提出了带内全双工水声通信系统中基于最大似然估计器的自干扰信道估计算法,以有效消除水声通信系统中同时发送和接收引起的自干扰(self-interference,SI)[20];2019 年针对水声通信中同时同频全双工通信严重的自干扰问题,提出了一种新的数字自干扰消除信道估计技术,进一步提高了数字自干扰消除的性能[21];2022 年将一种基于矢量水听器和多模态换能器的全双工定向介质访问控制( medium access control,MAC) 框架连同基准MAC 协议引入水声传感器网络( underwater acousticsensor network,UASN),并使用自适应功率控制的手段来实现空间复用和节约能量的目的[22]。
浙江大学团队基于水声通信中直接序列扩频的方法,利用原始扩频波形的周期性相关特性叠加多个序列,在发射器的每个模块内同时调制多个不同的符号[23]。针对高速率水声通信信道估计难题,提出了期望最大化改进稀疏贝叶斯学习算法的信道估计理论,实现了高速率相干水声通信[24]。该团队还提出了一种实验后现场数据复用方法,用于测试多址水声通信的单载波调制( singlecarrier modulation, SCM) 和 OFDM 信号[25]。应对水声通信收发相对运动下的信道估计难题,提出了多径-多普勒双一维压缩感知信道估计理论,提升了对恶劣信道估计准确度[26]。应对远距离水声通信网络长传播时延的难题,提出了一种利用传播时间差的并发传输 MAC 理论,降低了远距离水声通信网络的端到端时延,提升了吞吐量[27]。针对水下设备的能量限制和对数据收集的巨大需求,介绍了一种自主水下航行器( autonomous underwater vehicle,AUV)辅助的水声传感器网络[28]。该团队利用高能效、低噪声电路设计方法最终设计出 UACM-M200 和 UACM-M1500 这 2 种型号的小型化、低功耗水声通信机来应对不同的海深作业条件。如图 2 所示,该通信机的最大有效通信速率为 3. 07 kbit / s,在舟山附近海试传输距离为4. 5 km,在云南抚仙湖实测传输距离为 14 km。
厦门大学在 2017 年研制的 AMLink 系列水声通信机采用扩频、高效纠错编码技术和抗多径信号的创新处理方案,具备测距、水下组网功能,传输速率在 20~400 bit / s 内可调,较高数据率传输时工作距 离 可 达 1 km, 较 低 数 据 率 时 可 以 传 输5~10 km[30]。2019 年,厦门大学团队设计了一款参数可配置的水声 OFDM 水声通信机,如图 3 所示,该水声通信机在长时延、大多普勒信道中实现实际数据传输速率和误码率的最优平衡。该小型化水声通信机的高度为 45 cm,内径高度为 10 cm,外径高度为 12. 5 cm,可通过电缆与主机交互的方式来配置接收机个数、确定空子载波数、导频子载波数和信道估计的方法。其最大接收功耗为 3 W,最大传输功耗为 40 W[31]。该团队还提出一种顺序自适应观测长度正交匹配追踪(sequential adaptive observationlength orthogonal matching pursuit, SAOLOMP ) 的方法来解决快速时变稀疏信道的水声通信问题[31],并提出了一种静态 -动态判别压缩感知( static-dynamic discriminative compressed sensing,SDD-CS)方法来探索浅海水声通信场景混合稀疏性[32],并用NS-3 网络仿真工具评估了稀疏信道下的水声传感器网络[34]。
西北工业大学团队将单输入单输出( single-input single-output,SISO)系统中的部分快速傅里叶变换(fast Fourier transform,FFT)解调方法扩展到多输入多输出( multipleinput multiple-output,MIMO) 系统[35]。在差分 OFDM 系统中,为缓解时变信道所带来的严重载波间干扰,采用了新兴的部分 FFT 解调技术,并提出了一种基于特征分解的算法来计算组合权重[36]。针对正交信分复用( orthogonal signaldivision multiplexing,OSDM) 调制方案,在双选信道上,提 出 了 低 复 杂 度 的 块 和 串 行 OSDM 均 衡 算法[37];在 MIMO 信道中,分别针对时不变信道和时变信道提出了低复杂度的 MIMO-OSDM 单向量和块均衡算法[38]。
华南理工大学团队提出了一种基于因子图的多任务稀疏学习信道估计方法(multitask sparse Bayesian learning channel estimation based on factor graphs,MT-SBL-FG),用于水声通信中的 turbo 均衡[39]。该团队还提出了一种用于正交时频空调制( orthogonaltime frequency space,OTFS)系统的新型逐块索引调制方案[40]。同时,华南理工大学团队在海洋物联网中网络协议的研究领域也做出了突出的贡献,该团队提出声电协同海洋信息传输网络的新思路,即通过声、电链路的协同协作,提高网络的性能[41-42]。
针对水声网络中可靠链路传输的挑战,提出了一种跨层前向纠错(cross-layer FEC,CL-FEC)方案,该方案实现了机会性传输,以克服水声信道中频繁的传输故障[43]。文献[44]提出了一种新的协议模型来描述水声信道干扰。针对长传播时延对水声网络中的 MAC 产生的影响,该团队提出了一种基于空时复用的 MAC 协议,并设计了低复杂度算法实现了在星形网络中的最优调度[45]。
青岛科技大学团队针对压缩采样匹配追踪(compressive sampling matching pursuit,CoSaMP) 算法在水声信道中信道估计时复杂度较高的问题,提出一种基于稀疏自适应 CoSaMP 原子的动态阈值和弱选择(dynamic threshold and weak selection of atomsCoSaMP,DW-SACoSaMP)的算法[46],采用卷积神经网络( convolutional neural networks,CNN) 的方法实现了移动物联网的性能分析和预测[47],仿真结果验证了所提出的 CNN 预测方法比径向基函数( radialbasis function,RBF)、广义回归( generalized regression,GR)、 Elman 和极限学习机 ( extreme learningmachine,ELM)方法具有更好的预测效果,助力了移动海洋物联网的发展。文献[48] 将深度混合神经网络引入水声信号调制识别中,极大地减少了识别时间。
河海大学团队在水声网络等领域做出了杰出的贡献。该团队提出了一种基于多自主水下航行器的高可用性数据采集方案,以提高传感器网络的性能,保证数据采集服务的高可用性[49]。为解决 UASN中多 AUV 之间缺乏适当的协作机制的问题,该团队提出了一个基于状态预测的数据收集算法( stateprediction-based data collection,SPDC),该算法在降低数据采集时延和提高网络总寿命方面表现出较好的性能[50]。为应对水下高流量的通信需求,提出了一种基于多通道全双工( full-duplex,FD) 通信技术的水下数据传输方法[51]。为了保证并提高服务质量(quality of service,QoS),在水下物联网应用中提供可靠的数据通信,在保护海洋生态系统的同时进行可持续的水下监测和勘探,该团队提出了一种生态友好的 UASN 数据传输方案,该方案采用干扰感知机会路由发现方法和基于频分复用( frequencydivision multiplexing,FDM) 的 FD 通信方案[52]。该团队还提出了一种基于蜂窝聚类架构的干扰感知数据传输协议,理论分析和仿真表明,该协议在信号干扰得 到 显 著 缓 解 后, 在 UASN 的 QoS 方 面 具 有优势[53]。
3. 2 国外研究成果
国外的科研机构也针对于海洋物联网节点中的水声通信技术展开了体系化研究。近年来国外市场涌现出很多面向海洋物联网的小型轻量化、低功耗水声通信设备商业化设备,为新型海洋物联网的发展注入了新鲜血液。Jeon 等[53]研制了一种仿生鱼搭载的水声通信机,由于仿生鱼机器人的长度和尺寸限制,该小型化水声通信机尝试采用如图 4 所示多层圆柱结构来节省空间,其直径为 70 mm,高度为 40 mm。为最大限度地延长仿生鱼机器人的工作时长,在模拟电路中采用包络检测器模块将水声通信机设计成睡眠唤醒模式来降低功耗。在宽度为 930 m、深度为 10 m 的汉江中的最大传输距离为 500 m,但在 350 m 的通信试验中,误码率较大,达到了 10-3 数量级,可能是由于水下生物和地形因素引起。短程水下通信设备的高速率通信实验发现,射线追踪模型与真实信道存在较大差异,水下的地形和障碍物等是影响水声通信机性能的重要因素[55]。该团队将其设计的高速水声通信系统双向 OFDM 水声通信机在水箱和池塘中做了性能对比得知, 池塘的性能优 于 水箱[56],OFDM 信号受多径效应影响较大。
Martins 等[57]提出了一种基于压电聚偏氟乙烯换能 器 和 Xilinx 公 司 现 场 可 编 程 门 阵 列 ( fieldprogrammable gate array,FPGA) 的低功耗高数据率水声通信机,该系统采用开关键控( on-off keying,OOK)的调制方式,使用 1 MHz 载波实现 1 Mbit / s的最大数据速率,通信距离在 20 m 以上,误码率为3×10-3,在 1 m 的距离内,使用简单调制方案(如OOK)的最大数据速率为 20 Mbit / s,为视频流数据传输提供了新的解决方案[58],但仍有很大的改进空间。该低功耗水声通信机发送每比特的功耗仅为1. 4 μW。该系统基于聚偏氟乙烯超声波发射器换能器相比于压电陶瓷换能器而言,能够发送高质量信号,但功能较弱。
Sheikh 等[59]开发了如图 5 所示的开源低成本水下物联网水声通信机 Coralcon,它可以通过 I2C、SPI、USB 和串行等接口与数据收集设备和传感器连接。水声通信机 Coralcon 的成本约为 140 美元,而市面水声通信机的价格往往高于 1 000 美元。红海试验表明,Coralcon 在红海中最远可传输 90 m 的距离。
美国海军研究实验室的 Emokpae 等提出了一种高速率的水声通信系统[60],该系统是一个基于小尺寸且质量和功率系统可重新配置的水声通信机平台( reconfigurable acoustic modem platform,RAMP),利用换能器的指向性来减少多径效应带来的干扰,从而消除了对传统均衡器的过分依赖。RAMP 的尺寸为 54. 94 cm×25. 12 cm,工作深度可达 2 km,工作带宽为 100 Hz~ 2. 5 MHz。在 2 次巴拿马城的浅海试验中,验证了系统使用幅移键控( amplitude shiftkeying,ASK) 和二进制相移键控( binary phase shiftkeying,BPSK)编码实现实时数据传输的可行性,通过改进硬件并利用相移键控调制技术进一步试验,能够在 150 m 范围内实现 10 kbit / s 以上的高数据速率声学传输,验证了在浅水试验中 RAMP 无需任何的信道均衡器的假设。
Emrecan Demirors 针对现有水声网络平台大都基于不灵活的硬软件架构的现象,提出了一种新的高数据速率软件定义的水声网络平台 SEANet G2,该平台能够支持更高的数据速率(短程链路预计有兆比特/ 秒的数据速率)、频谱敏捷性和硬件/ 软件灵活性,以支持分布式网络监测操作[61]。
Oshiro 等使用时分双工( time fivision duplex,TDD)水下小区域声学网络系统与 OFDM 调制的原型无线水下机器人控制系统,如图 6 所示[62]。该水下机器人可以通过双向链路进行控制,并可以在小型水下区域内上传照片图像数据包。TDD 通信系统由 OFDM 调制解调器、卷积编码器、维特比解码器和循环冗余编解码器组成。水下机器人由树莓派小型单片机进行控制。在日本冲绳的外场试验中,该团队使用 QPSK/ 16QAM 调制,基本实现了机器人运动控制,捕获 240×213 像素的水下照片将其从机器人上传到基站。
Galioto 提出了可移动的新型水下水声通信机架构(flexible underwater modem,FLUMO),在外场试验中表现出比 JANUS 更好的性能[63]。在后续的工作中,设计并实现了一个软件定义的水声通信机。该通信机能够动态估计水声信道条件,根据环境调整 OFDM 调制的参数,或者在恶劣的传播条件下切换到更强大的 JANUS / FSK 调制。对于信道时变、多径时延和多普勒扩展等因素,FLUMO 的提出者 Giovanni Ettore Galioto 给出了有效的解决方案,并讨论了 OFDM 可以工作的极限环境条件,在该条件下,Giovanni Ettore Galioto 还校准前缀长度和子载波数量,以限制多普勒效应引起的码间干扰和信号失真。试验表明,在大多数情况下,可通过调整前缀长度和子载波数量以实现 OFDM 调制解调,JANUS 则可以用来应对更恶劣的水声信道环境[64]。
2011 年美国的 Desertstar 公司推出了一款如图7 所示的 SAM-1 微型水声通信机,该产品采用中等速率通信,典型的通信距离为 250 m,产品长度只有135 mm,直径只有 40 mm,最大工作深度为 300 m,最低功耗为 189 mW,通信速率可在 5 ~ 150 bit / s范围内调节[65]。
英国的 Blueprint subsea 公司生产的 SeaTrac 轻量级通信产品如图 8 所示,共包含 3 个型号,SeaTracX150、Sea-Trac X110、SeaTrac X010。SeaTrac X150 长度为 160 mm,机身 54 mm,保持架 59 mm。通信设备有主动多普勒补偿和通信定位一体化功能,空气中质量约为 720 g,工作深度可达 2 000 m,它使用 24 ~32 kHz 的扩频编码进行通信,通信最大距离可达1 km,符号速率为 100 baud,且具备多层声学协议栈。该产品待机功耗为 0. 6 W,工作时功耗约为 6 W。该系列中的最小型号 SeaTrac X010 产品总长度只有74 mm,机身 54 mm,在空气中只有 300 g,但其工作深度只有 300 m,且不具有定位功能[66]。
美国的 LinkQuest Inc. 在高速水声通信机的开发中结合先进的宽带扩频技术,显著提高数据率和鲁棒性[67]。该公司的产品面向全海域全场景,共推出了 UWM1000、 UWM2000、 UWM4000、 UWM10000等 8 款水声通信机来应对不同传输距离、不同速率的工作场景需求, 部分产品如图 9 所示。其中,UWM1000 超低功耗产品典型工作距离为 350 m,工作深度为 200 m,数据率为 9. 6 kbit / s,睡眠模式时功耗为 8 mW,接收模式下功耗 0. 75 W,宽带窄带传输模式下功耗 1 W,全向传输模式下功耗为 2 W。空气中质量为 4. 2 kg[68]。该公司的 UWM10000 型号产品的通信速率可达 5 kbit / s 定向工作距离可达10 km,但其空气中质量 21 kg,最大能耗 40 W,通信机的总长度为 580 mm[69]。
德国 Evologics 公司的 Konstantin Kebkal 等研究了海豚通信的机制,为水声数据传输的扫频扩展载波(sweep-spread-carrier,S2C)技术奠定了基础,并将S2C 声学链路应用于印尼海啸预警系统并成功测试。实验证实了水声通信机在成功对抗复杂的多径干扰方面的重要特性[70],并用 BELLHOP 模型仿真演示了一种灵活的水声通信机性能预测的有效方法,当不考虑短期波动时,模拟性能与测量的数据有较好的一致性[71]。Evologics 公司的水声通信机能提供全双工的数字通信服务,其系列产品可根据不同海洋环境,自适应调整并在当前环境下保持尽可能高的比特率,其系列产品的性能包络如图 10 所示。其中,高速中距离设备 S2CM HS 在 300 m 的信息传输时最高传输速率可达 62. 5 kbit / s;在深海远距离型号中,S2CR 7 / 17D 型通信机可达近万米的通信距离。设备具备不同的工作模式,如待机模式、监听模式、接收模式和传输模式,最低待机功耗只有2. 5 mW,其轻量化产品的最小直径为 63 mm,通信机总长 240 mm,空气中质量 1 150 g[72]。KonstantinKebkal 等在 Evologics 水声通信机(S2CR 系列)的基础上提出有效载荷数据交换,以用作水声网络通信各个节点间时钟同步的有效方式[73]。Evologics 公司还开发了程序框架,即 EviNS-Evologics 智能网络软件,每个网络协议的堆栈旨在解决水声环境特定条件下的水声数据传输问题[74],并提出了对移动水下网络的评估策略,量化了在水下移动网络中使用多模态水下通信相对于全声学方法所产生的声音暴露水平和影响半径[74]。
美国 Teledyne Benthos 公司推出的超紧凑型水声通信机( ultra compact modem,UCM) 如图 11 所示。该款通信机的 OEM 版本仅为 60×55 mm,质量仅有 55 g,休眠状态下的最大功率仅为 3. 5 mW,非常适合具有严格尺寸和质量限制的水下应用,例如微型 AUV 和小型海底仪器仪表。
新加坡 Subnero 公司推出的第 4 代无线网络通信 (wireless networkes communication,WNC)系列水声通信机见图 12[76],其中的 M25M 系列水声通信机在外场试验时最高通信速率可到达 15 kbit / s,其最远传输距离大于 4 km,该系列水声通信机可组成分布式或类似蜂窝的集中式网络,这种网络具有切换、中继、路由和跟踪功能,且每个通信机深度休眠时的功耗小于 1 mW[77]。
挪威 的 kongsberg maritime 公 司 推 出 cNODEMiniS 水声通信机见图 13,其具有 4 000 m 的最大额定工作深度,最大传输速率可达 6 kbit / s,最大发射功率有 100 W,休眠功率仅有不到 100 mW[78]。
英国的 Sonardyne 公司推出 Modem 6 水声通信机如图 14 所示,Modem 6 水声通信机用于与水下传感器进行点对点的数据传输,是一款经济高效的水下通信设备,Modem 6 支持 0. 2 ~ 9 kbit / s 的数据传输速率,其中 Modem 6 Mini Dunker 是该公司最小的水声通信机,该型号水声通信机结构紧凑,易于安装,适用于从各种传感器传输和恢复数据,包括:流速剖面仪、温度深度传感器和各种定制仪器,可在恶劣的海洋环境中持续工作[79]。
3. 3 分析与探讨
目前,从水声通信设备的通信体制来看,美国的Teledyne Benthos、英国的 Sonardyne、新加坡的 Subnero 等公司生产的主流水声通信设备大多采用较为稳健的 MFSK 和扩频的通信体制;德国的 Evologics公司持续采用 S2C 的扫频扩展载波技术,来解决信道多径问题;近年来美国的 Teledyne Benthos、Popoto、英国的 Sonardyne 等公司和国内浙江大学的基于PSK 的单载波水声通信机也在海洋物联网水下节点的市场占有一定的份额;同时,新加坡的 Subnero 等公司和国内的哈尔滨工程大学、厦门大学、中科院声学所等研究的 OFDM 水声通信设备通过更新迭代也逐渐成熟。以上 4 种通信体制信号的时频图见图15。随着水声通信调制解调技术的不断发展,未来的水下通信设备性能将有更大的提升空间。这将有助于海洋物联网水下节点的广泛部署,加快人类对海洋领域探索的步伐。
一些商业化的水声通信机发展进程中,我们仅仅获得了一些通信数据率和通信距离最大值参数,商业公司仅提供水声通信机的最大数据率与最远通信距离,忽略了水声通信中数据传输速率、距离和频率之间的紧密联系,故无法直接从性能包络的角度衡量海洋物联网通信设备的性能。在未来的海洋物联网水下通信设备应用中,我们更倾向于将速率和距离相关联,以比较最远通信距离下所支持的最大有效通信速率来衡量通信设备的性能。一些水声通信机的关注点在于通信效率而忽略了通信机的花费、大小、布放方便性等其他方面。荷兰代尔夫特理工大学参与研制的多带 OFDM 水声通信机是一款远距离水声通信机,海试中曾实现52 km 的最大通信距离,在成功检测信号的情况下能实现 4. 2 bit / s 的可靠的有效通信速率,该水声通信机体型大、成本功耗高、且数据率低,不适合作为海洋物联网的水下通信设备。而一些科研化的水声通信机在小型化、低功耗的进程中,也有许多缺陷需要我们注意。如葡萄牙的米纳斯吉拉斯联邦大学设计的水声通信机,着重考虑了小型化、低功耗、低成本、多功能的设计原则,其构造精巧,设计精良,具有一定的优越性;但该通信机需要固定在一个浮标上,监测深度范围有限,浮标受海浪波动影响较大,不适用于定点观测和稳固的声学网络建立。宾夕法尼亚大学设计的水声通信机,可长期在水下监测,并由实验验证了该通信机方案的可行性,还提供了装载在通信机上的温度传感器和化学传感器采集到的温度和水体的 pH 信息;但是没有提供回收方案,且水声通信机的整体结构并不能保证其稳定地安放在工作环境中。如何平衡海洋物联网通信设备的体积、能耗、成本、功能性和通信指标等因素,成为各机构研究的重点。
在近十年的发展中,人类对于海洋物联网研究逐步深入。结合前述相关技术的应用需求、研究进展和成果,海洋物联网中的水下通信技术将向着多模式、高性能与互联互通的方向发展。水下通信技术多模式化:为更好地克服水声信道衰减大、多径时延长、多普勒强所带来的影响,水下通信设备的通信技术将会由单模态转换为多模态通信。如水下甚高频、光通信、电磁通信将成为水声通信的补充。
水下通信性能的提升:水下通信设备的性能包络将会逐步提升,随着信道估计均衡等算法的日趋成熟,OSDM、OTFS 等技术的引入,更高通信速率和更远传输距离仍是科研人员持续探求的目标,但是如何针对不同海洋环境达到两者的相互平衡、妥协仍需进一步研究。水下通信互联的重要性:未来的研究重点会从海洋物联网单一节点的物理层研究逐步扩大到海洋物联网网络协议、信息安全等领域,目前水下的网络协议种类多,缺乏统一网络架构和通信协议标准。同时,水下物联网网络安全问题也将逐渐成为下一阶段工作重点。
声明：本公众号相关内容均来自主流媒体及公众号，非商业用途，并不意味着赞同其观点或证实其内容的真实性。版权归原作者所有，如有发现侵犯您的权益，请后台联系编辑，我们会尽快删除相关侵权内容。
