הפיתוח של אלגוריתמים של מערכות תקשורת אקוסטיות תת-ימי הפך אבן הפינה של רשתות תת-ימיות מודרניות והודעות נתונים.בניגוד למערכות אלחוטיות ארציות, אשר מסתמכות על גלי רדיו, תקשורת תת-ימית משתמשת בעיקר בגלים אקוסטיים בשל ההתעצמות החמורה של אותות אלקטרומגנטיים במים.מערכות אלה חיוניות למגוון רחב של יישומים, כולל ניטור סביבתי, חקר אנרגיה offshore, תפעולי ימי, וכלי תת-ימי (AU) אמין עבור מערכות בקרה לא היה צורך קריטי יותר, מעולם לא היה צורך אמיתי, מעולם לא היה צורך קריטי יותר, מעולם לא היה צורך אמיתי יותר, לא היה צורך אמיתי יותר, מערכות בקרה, כמו גם ניטור, לא היה צורך אמיתי יותר, לא היה צורך אמיתי יותר, לא היה צורך במערכות בקרה, כמו גם קישורים קריטי יותר, כולל ניטור סביבתי, לא היה יעיל יותר, כולל ניטור, מערכות בקרה, מערכות בקרה, לא היה יותר, מערכות בקרה, מערכות בקרה, מערכות בקרה, לא היה יעיל יותר, כולל ניטור סביבתית, לא היה צורך אמיתי, כולל ניטור, מערכות בקרה, לא היה יותר, מערכות בקרה, מערכות בקרה, כולל ניטור סביבתי, כולל ניטור סביבתית, כולל ניטור, כולל ניטור, פעולות אנרגיה, כולל ניטור, פעילות ימי, פיתוח, לא היה צורך אמיתי יותר, פעילות ימית

אתגרים בתקשורת תת-קרקעית

ערוצים אקוסטיים תת-ימיים הם בין התקשורת העוינת והבלתי צפויה ביותר של שידור מים – ⁇ temperature, וריאציות הסליליות, פני השטח וההשתקפות התחתונה – יוצרים סביבה מורכבת שמגבילה באופן יסודי את ביצועי התקשורת.

אות אטמומנט ותדירות-ההפסד

אותות אקוסטיים בקליטת ניסיון מים עולים באופן דרמטי עם תדירות.עבור תקשורת לטווח ארוך (עשרות קילומטרים), רק תדרים נמוכים מאוד (מתחילים כמה kHz) הם ניתנים למדידה, אשר מגבילה באופן חמור את שיעור הנתונים.conversely, אותות גבוהים (מאות של kHz) מציעים רוחב פס גבוה יותר, אך הם מוגבלים למגוון רחב (מאות מטרים של מסחר זה כוחות מערכת הפעלה בקפידה על בסיס דרישות סביבתיות על בסיס קפדני של להקות.

Multipath Propagation

הרהורים מפני פני הים, תחתית, וכל המכשולים המסולקים יוצרים נתיבי הגעה מרובים עבור אות משודר יחיד.ההתפשטות הרבפת המתקבלת יכולה להתרחב ממילימטרים למאות שניות, מה שגורם להפרעות בין-סימבול (ISI) המפחיתה את האות.התאמה של שווים ומדמי ערוצים חיוניים לצמצום ההשפעות הללו, אך הפרמטרים שלהם חייבים להיות מעודכנים כמו הגיאומטריה נעה.

רגישות זמנית וספציבית

ערוצים תת-ימיים הם זמן-varying עקב תנועת הגל, זרמים, מיקרו-מבנה טמפרטורה, ותנועת טרנזצ'יברס.ספאטילי, הערוץ יכול להשתנות באופן משמעותי על פני מרחקים של רק כמה מטרים. פרוטוקולים תקשורת סטטיים שנועדו למודל ערוץ קבוע להיכשל במהירות. אלגוריתמי בקרה הסתגלות חייבים לחוש את הסביבה ולתאם פרמטרים כגון שידור, הוראות, התאמה, וקצב כדי לשמור על קשר אמין.

« רעש והפרעה

רעש תת-ימי עולה ממקורות ביולוגיים (למשל, קידוד, שיחות לווייתנים), פעילויות אנושיות (צלחת, בנדר), ואירועים טבעיים (ריין, רוח) רעש זה אינו יסטרי ולעתים קרובות צבעוני.

כוח ואנרגיה Constraints

מצבי צוללות וגני חיישן פועלים לעתים קרובות על כוח סוללה עם יכולת מוגבלת. הצבת סוללות במתקני ים מרוחקים ועמוקים היא יקר ולעתים קרובות לא מעשי. אלגוריתמי בקרה הסתגלותיים חייבים לאזן את הביצועים נגד צריכת אנרגיה, להאריך את חיי המשימה מבלי להתפשר על נתונים באמצעות חישוב.

הצורך בשליטה אדפטית

בהתחשב בטבע הקשה, הזמן-הארוך של ערוצים אקוסטיים תת-ימיים, גישה בגודל אחד לכל אמצעי התקשורת היא בלתי-אפשרית.תכנית מודולציה קבועה, רמות כוח קבועות, וקודים תיקון שגיאות סטטיות בהכרח מובילים לעניים דרך ספוט או קישור כשל כאשר הערוץ מדרגות. אלגוריתמים בקרה דינמית להסתגל באופן דינמי את הפרמטרים המבוססים על משוב בזמן אמתי מהערוץ, ומאפשרים את המערכת לפעול קרוב לכל קיבולת תיאורטית.

ערוץ הזמן האמיתי

הבסיס של כל מערכת הסתגלות הוא מדויק ושעה מידע מצב ערוץ (CSI) אלגוריתמי בקרה הסתגלותיים משתמשים בטכניקות כגון טונים טייס, רצף הדרכה, ואת הערכת החלטות על מנת לבנות מודל של התגובה האימפולסית של הערוץ ופרופיל רעש.מודל זה חייב להיות מעודכן לעתים קרובות כדי לעקוב אחר שינויים. אלגוריתמים מתקדמים גם לחזות מדינות עתידיות באמצעות מודלים או מכונה, ומאפשרות התאמות אקטיביות ולא התאמות אקטיביות.

טיהור דינמי

בהתבסס על איכות הערוץ המשוערת, האלגוריתם יכול להתאים:

  • (FLT:0) Transmit PowerveFLT:1) - הגדלת הכוח כאשר היחס האות-לא-מס (SNR) נמוך כדי לשמור על שולי הקישור, להפחית אותו כאשר הערוץ טוב לחסוך אנרגיה ולהפחית את ההתערבות.
  • (FLT:0)Modulation orderFLT:1 - מעבר מ- PSK או QAM (שיעור נתונים גבוה, עוצמה נמוכה) ל- BPSK או GFSK (שיעור נתונים נמוך יותר, עמידות גבוהה) בתנאי ערוץ גרוע.
  • (ב) ,0) ,התאמת תיקון השגיאה קדימה (FEC) כדי להתאים את הדרישה לקצב השגיאה הקטן.
  • (ב) ,0) ,3 , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

יש לבצע את ההתאמות האלה במהירות – לעתים קרובות על בסיס החבילה – ולתאם עם המקלט כדי להימנע מהתערבות לא נכונה.

תיקון שגיאות רובוסט

קודים סטנדרטיים לתיקון שגיאות הם יעילים בסביבות משתנה מאוד. אלגוריתמים בקרה הסתגלותיים יכולים לבחור בין חבילה של קודים (למשל, קודים מהפכתיים, קודים טורבו, קודים LDPC) ולהתאים את שיעור הקוד בזמן אמת.מערכות מתקדמות יותר משתמשות בקודים חסרי קצב כמו LT או Raptor, אשר מתאימים באופן טבעי לתנאי ערוץ ללא משוב מפורש.

המונחים: Adaptive control

מערכת תקשורת תת-קרקעית יעילה משלבת מספר בלוקים פונקציונליים שעובדים יחד באדריכלות סגורה של שליטה.

החזית העממית והאנטית – Eous Front-End

בקר הסתגלותי מבוסס על מדידות מדויקות של הסביבה האקוסיסטית.זה כולל לא רק ערוץ התקשורת, אלא גם תנאים מקומיים כגון טמפרטורה, עומק ורעש מתפתל.חיישנים ייעודיים יכולים להיות מחוברים למצבם, או את המנומטר עצמו יכול לשמש כנר לבדיקת המדיום.האלקטרוניקה הקדמית חייבת לספק מגוון דינמי רחב ורעש נמוך כדי ללכוד את אותות חלשים והתערבות חזקה.

שינוי הסתגלות ובקר Coding

זהו מנוע ההחלטות הליבה.It לוקח את ה- CSI המשוער ואת הקישור איכות מדדים (SNR, מעט שגיאות, שער שגיאות החבילה) ובחירת השילוב האופטימלי של Modulation וקידוד.הבקר יכול להשתמש בגישה מבוססת שולחן מבט (למשל, מראש נקודות הפעלה עבור מצבי ערוצים שונים) או אלגוריתם מבוסס למידה שתמיד מחדד את המדיניות שלו באמצעות הניסיון.

כוח הסתגלות ו-Beamforming

יעילות כוח היא קריטית עבור אלגוריתמים המופעלים על ידי סוללות. אלגוריתמים של שליטה הסתגלות יכולים להתאים את הפלט של המגבר הכוח לרמה המינימלית הנדרשת לביצוע מטרה. in multi-element Transducers, האלגוריתם יכול גם לשלוט משקולות מחלחלות כדי לנווט את הדבורה האקוסית לכיוון המקלט המיועד, צמצום רב-פתים והתערבות.

פרוטוקול-Layer הסתגלות

פרוטוקולי שכבת Mac ושכבות רשת יכולים גם ליהנות מהתאמה.לדוגמה, תוכניות בקרת גישה בינונית (MAC) יכולות לעבור בין מבוסס תוכן (ALOHA, CSMA) ובסיס לוח הזמנים (TDMA, FDMA) בהתאם עומס התנועה ואמינות ערוצים.פרוטוקולים של רינג לרשתות חיישן תת-ימיים יכולים להשתמש במדדים אדפטיים המשלבים איכות ואנרגיה נוכחית.

Machine Learning ו-AI ב-Autoative Control

האופי הדינמי, הממדי הגבוה של הערוץ האקוסיבי התת-ימי, הופך את השליטה ההסתגלות המסורתית המבוססת על הכלל שקשה לייעל.מחקר עדכני הפך ללמידה מכונה (ML) ורשתות עצביות מלאכותיות לשיפור קבלת ההחלטות.

למידה על ידי ערוץ חיזוי

על ידי אימון במדידות ערוץ היסטוריות (למשל, CSI תמונות, כוח רעש, ריבוי עיכוב התפשט), מודל בפיקוח יכול לחזות בתנאי ערוץ כמעט-עתידיים.זה מאפשר לבקר לעבור לפני-מספקי למודולציה מתאימה יותר או תוכנית קידוד לפני הקישור degrads. Convolutional neuralרשתות (CNN) וזיכרון לטווח קצר (LS) הראו הבטחה בתבניות לכידת תת-ימיות.

Reinforcement Learning for אוטונומית מדיניות אופטימיזציה

Reinforcement למידה (RL) מתייחס בקר ההסתגלות כסוכן אינטראקציה עם הסביבה.הסוכן בוחר פעולות (למשל, "כוח שחרור", "מכוף ל- QPSK") ומקבל פרס המבוסס על התוצאה של תפוקה, צריכת אנרגיה וקצב שגיאות.עם הזמן, אלגוריתם ה-RL לומד מדיניות אופטימלית אשר מעדכנת מטרות מתחרות.

רשתות עמוקות של שוויון וגילוי

במקום להשתמש במשכי ערוצים נפרדים ובשלבי השוואתיות, מקלטים מבוססי למידה עמוקה יכולים ללמוד לזהות סמלים ישירות מהאות המתקבל מהאות. המקלטים "נעורים" אלה מתאימים באופן בלתי סביר לתנודות ערוצים, לעתים קרובות לגלות אלגוריתמים מסורתיים ברעש לא ליניארי ולא-גאוסי.עם זאת, הם דורשים משאבים חישוביים משמעותיים, אשר עשויים להיות מגבלה על מצבים נמוכים.

יישומים מעשיים

אלגוריתמי בקרה הסתגלות כבר מופרסים במגוון מערכות תת-ימיות, עם הטבות תפעוליות משמעותיות.

רכבי תת-קרקעי אוטונומיים (AUVs)

AUVs המשמש סקרים אוקיאנוסים, פיקוח צינורות ורנסנס צבאי מסתמכים על קישורים אקוסטיים לתקשר עם ספינות תמיכה או AUVs אחרים. כמו הרכב נע, המיקום שלו וכיוון משתנה במהירות, גרימת תנודות דרמטיות באלגוריתמים הסתגלות מאפשר AUV לשמור על קשר נתונים במהירות גבוהה במהלך שלב משימות קריטי, כגון בעת שידור גבוה של רזולוציה גבוהה או תמונה של הילד.

רשתות חיישן תת-קרקעי

רשתות של חיישנים סטטיים או ניידים לפקח על הפרמטרים סביבתיים כגון טמפרטורה, סליניות, לחץ, ומזהמים. חיישנים אלה לעתים קרובות יש אנרגיה חמורה מגבלות חישוביות. אלגוריתמים של בקרה הסתגלות יכולים לפעול במצב "איד" נמוך, להעצים ביצועים רק כאשר אירוע של עניין מזוהה באופן דרסטי.

צבא והגנה

פעולות הצי דורשות תקשורת בטוחה, נמוכה-הסתברותית-של-הפנים (LPI) אלגוריתמים הסתגלותיים יכולים להפיץ את האות על פני להקה תדר רחב ( ⁇ hopping) או לעצב את גל השידור כדי להימנע מזיהוי ו- jamming.הם גם מאפשרים תקשורת חזקה בסביבות מים רדוד שבו multipath הוא קיצוני.

שמן Offshore וגז

מתקנים סובסיים כגון בארות, מאניפלים, צינורות זקוקים ניטור ובקרה תקופתיים. מודמים אקוסטיים הסתגלות מספקים אלטרנטיבה אלחוטית לכבלים יקרים. כי התנאים האתוגרפיים סביב פלטפורמות offshore יכולים להיות משתנים מאוד בשל זרמים ותנועה פני השטח, בקרה הסתגלותית מבטיחה העברת נתונים אמינה גם כאשר הערוץ מוזנח באופן זמני.

מגמות מחקר ודרכים לעתיד

בעוד ששליטה הסתגלות כבר שיפרה את התקשורת התת-ימית, כמה כיוונים מתעוררים מבטיחים יכולות גדולות יותר.

שילוב עם אינטליגנציה כללית (AGI) ומודלים שפה גדולים

מצבי תת-ימי עתידיים עשויים לכלול סוכני בינה מלאכותית המסוגלים אינטראקציה טבעית עם מפעילי מערכת בקרה מתקדמת שיכולה להבין פקודות ברמה גבוהה כמו "לייעל את שיעור הנתונים עבור 30 דקות הבאות" או "לצמצם את יעילות האנרגיה על פני הסבלנות", ולאחר מכן לתכנן רצף של הסתגלות כדי להשיג את המטרה.זה דורש גירוד הפער בין שליטה מבוססת-ML והיגיון סמלי.

רשתות תת-קרקעיות ותוכנה - Deffined Under Under Under Under Networks

הרעיון של רשת תת-ימית "קוגניטיבית" – כזו שמסתכלת, אונקנטות, מחליטה ופועלת – מתאמת עם שליטה אדפטיבית.על ידי שילוב של רדיו המוגדרים בתוכנה עם אלגוריתמים הסתגלותיים, מערכות עתידיות יוכלו לשנות לא רק פרמטרים של שכבתיים פיסיים אלא גם פרוטוקולים וגלפורמות על זבוב. גמישות זו תאפשר מצב אחד לפעול על פני סביבות מגוונות, ממעמקי האוקיינוס ועד רדומות מאוד.

אנרגיה מתחדשת והתאמה ירוקה

פריסות ארוכות טווח יתבססו יותר ויותר על איסוף אנרגיה ממקורות נוחים (למשל, זרמי טיטד, ⁇ תרמי, אנרגיה אקוסטית) אלגוריתמים של בקרת אנרגיה חייבים לשלב את תקציב האנרגיה המקצר להחלטות שלהם.לדוגמה, אם האנרגיה בשפע בשל זרמים חזקים, המערכת יכולה להשתמש ברמת כוח גבוהה יותר ומורכב יותר כדי להשיג גבוה יותר באמצעות.

הסתגלות משותפת וניתוק

בתרחישים רבים, צומת מרובים יכול לשתף פעולה כדי לשפר את איכות הקישור.לדוגמה, אם הנתיב הישיר בין שני צמתים חסם, הם יכולים להעביר דרך צומת ביניים. אלגוריתמי בקרה הסתגלות יצטרכו לתאם הגדרות פרמטרים ברשת של נודים, תוך התחשבות בטופולוגיה המלאה של הקרפטינג ומדינת כל קישור.זה קורא לטכניקות אופטימיזציה מבוזרות בהיקף של מאות נקודות.

סטנדרט ובדיקה אמיתית-עולמית

חלק גדול מהמחקר הנוכחי נשאר בשלב הסימולציה.לראות אימוץ רחב, אלגוריתמי בקרה אדפטיים חייבים להיבדק בתנאים האוקיינוסיים האמיתיים, בנוכחות רעש משלוח, חיים ימיים, ומזג אוויר משתנה.מצלי ארגונים כגון FLT:0Acoustical Society of AmericaFLT:1 ו-FLT:2EE Journal of Oceanic EngineeringFLTs: 3.

מסקנה

אלגוריתמים של שליטה הסתגלות אינם עוד מותרות לתקשורת אקוסטית תת-ימית – הם הכרחיים.הים הוא אמצעי דינמי, עוין, המגביל תוכניות תקשורת סטטיות.על ידי חישה מתמדת את הערוץ, התאמת פרמטרים שידורים, ולמידה מניסיון העבר, מערכות הסתגלות פותחות את שערי הנתונים הגבוהים יותר, טווחים ארוכים יותר, ועוד פעולות יעילות אנרגיה מאשר חלופות קבועות של מכונה, כמו למידה ומצעים חישוביים, הדור הבא של אינטליגנציה מלאכותית, אשר יאפשרו של אינטליגנציה מלאכותית, להיות יעיל יותר, אשר יאפשרו של מציאות תת-מהפכה אמיתית, ופעולות יעילות, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו בעבר, ופעולות יעילות, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו של תהליכי בקרה, בעבר, ופעולות יעילות יותר מאשר חלופות, ופעולות יעילות יותר מאשר חלופות יעילות יותר מאשר חלופות יעילות יותר מאשר חלופות יעילות יותר מאשר חלופות קבועות, ופעולות יעילות יותר מאשר חלופות עיבוד מיידיות, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו של אינטליגנציה מלאכותית, בעבר, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו של אינטליגנציה מלאכותית, אשר יאפשרו של ממשית, בעבר, אשר יאפשרו, אשר יאפשרו של מערכות מחשוב, בעבר, כמו למידה, ופעולות

לקריאה נוספת, הקורא מכוון לסקירה מקיפה ב-FLT:0 ScienceDirect's page on תת-ימית אקוסטיתFLT:1 ולהתפתחויות האחרונות שפורסמו ב-FLT:2IEEE Journal of Oceanic Engineering (Erusic EngineeringFLT 3: these Resources) מספקים תובנה טכנית עמוקה יותר לאלגוריתמים ומערכות שנדונו כאן.