基于深度学习的水下光通信信道性能预测与通信节点部署方法研究

The ocean information and communication network plays a crucial role in tactical surveillance, pollution monitoring, oil control and drilling devices and pipeline maintenance, offshore explorations, climate change monitoring, and oceanography research. The underwater acoustic is characterized by long-range, but low-data-rate transmissions and long delay spread while the underwater wireless optical communication features high data rates and low delay, but shorter transmission ranges. Therefore, a hybrid networking of underwater acoustic/underwater wireless optical communications can achieve complementary advantages and provide high performance services of communication network. However, there exist two challenge issues that are the optimizing deployment of hybrid acoustic/optical networks and the guaranteeing reliability of wireless high-speed communication under complicated underwater environments, which are required to be solved urgently.. This project will explore theoretical approaches and key technologies for the channel quality prediction for underwater wireless optical communication and the deployment for network nodes based on the deep learning approach, big dataset from ALOMEX 2015 expeditions and experimental verification system to be developed. They concretely involve: (1) finding the relationship between the underwater acoustic and optical channels, optical channel quality prediction method under the scenarios of different types of ocean waters, distinct depths and ranges；(2) developing experimental verification systems for optical communication channel quality；(3) deploying stratigies and theory and algorithms for underwater communication network nodes. The research achievements from this project will provide the theoretical and key technology supports and references in the development and application for the future ocean information networks of our country.

海洋信息网对于战术监视、污染监控、油气控制与管道维护、海上勘探、气候变化控制和海洋学研究具有重要作用，水声传输具有长距离、低速率、大延时的特点，水下无线光传输具有高速率、低延时和短距离的特点，因此，水声/水下无线光混合组网可实现优势互补，实现高性能通信网络服务。声/光混合网络优化部署和保证水下复杂环境中高速无线光通信的可靠性是两个极具挑战性、又迫切需要解决的关键问题。. 本项目将基于深度学习、海试大数据集和实验验证系统开发，深入研究水下光通信信道质量预测和通信节点部署的理论、方法与关键技术，具体包括：(1)水声信道与水下光信道特性之间的统计关系，不同海水类型、不同海水深度和不同距离的光信道质量预测方法；(2)研发水下光通信信道质量实验验证系统；(3)水下通信组网的节点部署策略、理论与算法等。相关研究成果将为未来我国海洋信息网络的发展和应用提供理论和关键技术支持和参考。

高性能海洋信息网络对于海洋环境监测与保护、资源的开发与利用、战术监视预警等民用和国防需求，具有重要意义。水声具有长距离、低速率、大时延的特点；水下无线光具有高速率、超低时延和中短距离的特点，二者结合混合组网可实现优势互补。本项目围绕动态复杂水环境的无线光信道的多因素建模、基于深度学习的水下无线光单信道和空分复用多信道的估计与信号检测、水下多业务数据的采集、水下无线光通信实验系统开发和网络部署与协议等，进行了深入研究，取得如下创新性成果。. (1) 基于全球海洋观测网Argo的大数据集，通过反演、建模和仿真，提出了海水光信道的全面通用模型和基于深度学习水下无线光通信的信道估计与信号检测方法，使系统能自适应于水下光信道的变化，从而优化通信性能，建立了软件仿真验证平台。. (2)设计研制了基于LD和LED阵列的小型化水下无线光通信系统。其中基于LD阵列的系统速率在100Mbps~ 2.5Gbps范围可调，传输距离大于50m；基于LED阵列系统的速率高达50Mbps，传输距离大于12m，采用FPGA高阶调制和信道编码及离线处理；基于LED阵列和OOK调制实现了15Mbps、15m传输和 光端机的小型与实用化。并设计研制了水下多业务数据采集和双模式通信系统，实验验证了其有效性。. (3) 提出了水下无线光网络的静态和动态相结合路由优化的部署方法、基于Q学习的水下光/声混合无线传感器网络协作路由协议和基于功率控制辅助Q学习的光/声混合水下传感器网络路由协议，通过仿真实验验证了其有效性。. (4)针对水下无线光网络协作通信，提出了多用户和多中继网络的联合中继分配和功率分配方法、及水下协作无线光网络的联合中继选择与功率分配技术。. (5) 针对水下湍流环境提高谱利用率和增加接入用户规模的问题，提出了一种功率分配优化的水下无线光MIMO-NOMA通信系统和 NOMA节点配对方法与功率优化方案，通过理论求解和仿真验证了系统和方案的有效性。. 以上研究成果将为未来我国海洋信息网络的发展和应用提供理论和关键技术支持和参考。