面向近浅海环境观测的水下无线传感器网络关键技术研究

Twenty-first Century is the new century of human development and utilization of ocean, the technology for observing and utilizing ocean has become a frontier technology challenging the marine countries competing to invest. As the dynamic characteristics of ocean such as breadth, depth, density and wave, how to carry out the long-term and large-scale underwater ocean observation has much significance. The objective of this proposal is to study the theories and methods of constructing underwater wireless sensor networks for shallow sea environment observation, the related content includes reasonable quantitative modeling method for the key factors affecting the underwater wireless sensor network; data fusion mechanism and energy aware routing protocol for underwater wireless sensor network; underwater wireless sensor network deployment optimization and cooperative searching method in the near shallow see. The research of this project will play a positive role in promoting the application of underwater wireless sensor network technology in the field of ocean observation.

21世纪是人类开发和利用海洋的新世纪，海洋观测与利用技术已成为各海洋国家争相投入的极具挑战性的前沿技术。由于海洋的广度、深度、密度和流动性等动态特性，如何进行长期大规模的水下海洋观测具有重要的意义。本课题针对近浅海水下环境观测的传感器网络组网关键技术问题，研究水下无线传感器网络构建相关理论和方法，具体内容包括近浅海复杂环境对水下无线传感器网络影响关键因素合理量化建模方法；近浅海水下无线传感器网络数据融合处理机制；近浅海水下无线传感器网络能量敏感路由协议；近浅海水下无线传感器网络部署优化方法；近浅海水下无线传感器网络协同搜索方法。本项目的研究对于海洋观测领域中水下无线传感器网络技术的应用会起到积极的推动作用。

21世纪是人类开发和利用海洋的新世纪，海洋观测与利用技术已成为各海洋国家争相投入的极具挑战性的前沿技术。项目组针对近浅海水下环境观测的传感器网络组网关键技术问题，进行了如下几个方面的研究：1）针对温跃层判定问题和海洋分层问题，项目组开展了关于海洋环境观测数据关键因素合理量化建模方法的相关研究，提出了基于熵值的温跃层计算方法、基于机器学习的海洋分层方法。这些方法相较传统海洋学统计方法，在温跃层判定、海洋分层等领域具有更高的精度和稳定性。2）针对海洋地图数据集细粒度不足和样本量缺失问题，项目组开展了海洋环境观测数据增强方法研究，提出了基于支持向量机的细粒度增强方法和基于生成对抗网络的样本增强方法。这些数据增强方法可以提高深度学习的拟合度和温跃层的预测精度。3）针对海洋多因素复杂环境分析问题，项目组开展了面向近浅海复杂环境观测数据分析方法研究，该研究包含海洋数据关联性、海洋电磁场特性和海洋溶解氧分布特性三个研究点，在提高环境数据预测准确率的同时，也利用并行算法提高了海洋大数据分析效率。4)针对近浅海复杂环境图像分析问题，项目组开展了面向近浅海复杂环境的视觉识别方法研究，提出了基于轮廓骨架信息的水下目标运动方向预测方法和潜水员手势识别方法。该研究有效地解决了水下目标跟踪和水下小目标识别问题，且准确率高于传统深度学习姿态检测算法及目标识别算法，具有较高的适应性。5)针对近浅海复杂环境水下图像实时识别问题，项目组开展了面向近浅海复杂环境水下观测设备硬件优化方法，项目组设计并实现了基于FPGA的光学图像和声呐图像目标识别系统，并在此基础上设计卷积神经网络硬件加速器。经过本项目组成员的不懈努力，研究工作已达到预期目标，部分研究内容超出了研究计划。本项目研究方法和实验结论为海洋环境观测数据分析提供了坚实的理论基础和有效的分析方法。