Проектирование Mimo-систем для подводных акустических сенсорных сетей

Внедрение подводных акустических систем MIMO

Технология Multiple Input Multiple Output (MIMO) произвела революцию в наземной беспроводной связи, используя несколько антенн как на передатчике, так и на приемнике для улучшения пропускной способности данных, надежности связи и спектральной эффективности.Расширение этих преимуществ до подводных акустических сенсорных сетей (UASN) является естественным прогрессом, учитывая растущую потребность в высокоскоростной связи в подводных приложениях, таких как мониторинг окружающей среды, морские нефтегазовые операции, морская археология и автономная координация подводных транспортных средств (AUV).

Подводные акустические системы MIMO используют пространственное разнообразие и мультиплексирование для преодоления суровых ограничений акустического канала - среды, которая является одновременно жесткой и непредсказуемой. Развертывая массивы преобразователей и гидрофонов, эти системы могут достигать более высоких скоростей передачи данных и повышенной надежности против затухания и помех. Однако фундаментальные различия между подводным акустическим каналом и радиочастотным каналом требуют совершенно новых подходов к проектированию. Вода является плотной, поглощающей и изменяющей время средой; звук перемещается примерно на 1500 м/с, что дает высокую задержку и значительные доплеровские эффекты. Кроме того, доступная полоса пропускания в акустическом спектре часто ограничивается десятками килогерц, заставляя дизайнеров быть исключительно эффективными с каждым Гц.

В этой статье представлен всеобъемлющий взгляд на ключевые конструктивные соображения, проблемы и передовые стратегии для создания эффективных систем MIMO для БАСН. Мы рассмотрим, почему обычные методы MIMO не работают в воде, как инженеры адаптируют их и что ждет будущее этой важной технологии.

Уникальные вызовы в подводных акустических каналах

Перед изучением конкретных стратегий проектирования необходимо понять физические ограничения, которые формируют подводные системы MIMO.Подводный акустический канал является одним из самых сложных для освоения средств связи, представляя собой слияние препятствий, редко встречающихся в наземных или спутниковых звеньях.

Многолучевое распространение и интерсимволическое вмешательство

Акустические сигналы отражаются от поверхности моря, морского дна, термоклинов и других препятствий, создавая большое количество отложенных копий передаваемого сигнала. В условиях мелководья распространение задержки может достигать сотен миллисекунд, вызывая серьезные межсимвольные помехи (ISI), которые могут разрушить целостность данных. В то время как многолучевые пути могут быть использованы для пространственного разнообразия в MIMO, экстремальные спреды задержки требуют эквалайзеров с очень длинной памятью или продвинутых схем с несколькими несущими, таких как OFDM.

Ограниченная и зависимая от расстояния полоса пропускания

В отличие от радиоканалов, которые могут поддерживать десятки мегагерц, подводные акустические каналы обычно предлагают полосу пропускания всего от нескольких кГц до, возможно, 100 кГц для линий короткого радиуса действия. Потери поглощения увеличиваются квадратически с частотой, поэтому полезная полоса пропускания уменьшается по мере увеличения дальности. На 10 км полоса пропускания может быть такой же низкой, как 1-2 кГц. MIMO может умножать пропускную способность в таких узкополосных каналах, но только если пространственные степени свободы достаточны относительно полосы когерентности канала.

Высокое затухание и силовые ограничения

Акустические волны испытывают как геометрическое распространение, так и поглощение, что приводит к потерям пути, которые намного больше, чем в радио. При 100 кГц коэффициент поглощения в морской воде составляет примерно 30 дБ/км. Узлы датчика часто работают от батареи и должны работать в течение месяцев или лет, что делает эффективность усилителя мощности основной проблемой. Системы MIMO требуют нескольких энергоемких преобразователей, что усугубляет энергетическую проблему. Эффективное формирование луча и адаптивное управление мощностью становятся критическими.

Временные и доплеровские эффекты

Океан никогда не бывает неподвижным. Волны, токи и движение платформы вносят доплеровские сдвиги, которые являются значительными относительно узких несущих частот (обычно 10–100 кГц). Доплеровское распространение 1–2 Гц является общим, что приводит к быстрым колебаниям канала. Кроме того, медленная скорость звука означает, что время согласованности каналов составляет порядка десятков до сотен миллисекунд, требуя частой оценки канала и обновлений эквалайзера. Приемники MIMO должны бороться не только с пространственным разнообразием, но и с изменяющимся во времени затуханием во всех подканалах.

Экологический шум и помехи

Подводные акустические каналы загрязнены целым рядом источников шума: биологическими звуками (похищение креветок, морских млекопитающих), шумом отгрузки, шумом поверхностных волн и машин. Шум часто не гауссовский и спектрально окрашенный. Системы MIMO должны включать надежные алгоритмы обнаружения, которые могут подавлять импульсивный шум и помехи соканала от других узлов или поверхностных сосудов.

Инфраструктура и ограничения на развертывание

Развертывание больших массивов преобразователей и гидрофонов в море является дорогостоящим и логистически сложным. Количество элементов на сенсорном узле ограничено размерами, весом и мощностью (SWaP). В реальных БАСУ часто используются только 2-4 преобразователя на узел, что затрудняет достижение полного теоретического выигрыша MIMO. Проектирование должно уравновешивать сложность с практической осуществимостью.

Проектирование подводных систем MIMO

Учитывая сложные условия канала, разработчики должны тщательно адаптировать методы MIMO для надежной работы под водой. Ниже мы описываем основные стратегии, которые показали перспективность в имитировании и полевых испытаниях.

Надежная оценка и отслеживание каналов

Точная информация о состоянии канала (CSI) является основой любой системы MIMO. В подводной акустике канал вдвойне селективный - частота и время меняются. Классическая оценка на основе пилота с использованием тренировочных последовательностей осложняется длительным распространением задержки и распространением Доплера. Современные подходы используют сжатое зондирование для использования редкости в импульсной реакции канала (часто существует только несколько значительных путей). Алгоритмы сверхразрешения, такие как MUSIC или SAGE, могут разрешать близко расположенные пути. Для изменяющихся во времени каналов, отслеживание с помощью принятия решений и фильтрация Калмана используются для обновления оценок между пилотными блоками. Перспективные результаты были показаны с использованием спарсового байесовского обучения и предикторов каналов на основе глубокого обучения.

Формирование луча и пространственная фильтрация

Используя фазированные массивы, передатчики MIMO могут направлять акустическую энергию к предполагаемому приемнику, отключая направления помех. На мелководье формирование луча также помогает смягчить худшие многолучевые компоненты, разрешая вертикальный угол прибытия/отбытия. Формирование луча приемника (например, MVDR, STMV) усиливает отношение сигнал-шум (SNR). Однако практические подводные массивы имеют ограниченную диафрагму, ограничивая угловое разрешение. Адаптивные алгоритмы, которые обновляют веса в реальном времени, необходимы для борьбы с изменением геометрии. Некоторые экспериментальные 15-элементные линейные массивы продемонстрировали усиление 8 дБ по сравнению с всенаправленным приемом.

Адаптивная модуляция и кодирование

Для максимизации пропускной способности в условиях переменного канала системы MIMO могут адаптировать порядок модуляции (BPSK, QPSK, 16QAM) и скорость кодирования (сверточные, LDPC, турбокоды) на основе оценок SNR в реальном времени. Адаптация канала особенно важна в UASN, поскольку канал может резко меняться из-за проходящих кораблей или изменений в структуре термоклина. Многие системы включают в себя цикл управления, который отправляет показатели качества канала так же, как в беспроводных сетях 3G/4G. Однако высокая задержка ограничивает скорость адаптации; для компенсации необходимы прогностические методы.

Кодирование пространства-времени и разнообразие

Коды блоков пространства-времени (STBC), такие как код Alamouti для двух передатчиков, обеспечивают разнообразие передачи без необходимости CSI на передатчике. В подводных каналах STBC улучшает частоту ошибок бита (BER) в угасающих средах, но снижает спектральную эффективность. Для сценариев, требующих более высоких скоростей передачи данных, может использоваться пространственное мультиплексирование (например, V-BLAST), где независимые потоки данных передаются от каждого преобразователя. Приемник использует последовательное аннулирование помех для разделения потоков. Однако пространственное мультиплексирование чрезвычайно чувствительно к плохо кондиционированным матрицам каналов - обычно в подводных средах из-за коррелированных путей - и часто требует мощных итеративных приемников, таких как отмена мягких помех.

MIMO-OFDM и мульти-перевозчикные подходы

Ортогональное мультиплексирование с разделением частот (OFDM) является естественным для подводных систем MIMO, поскольку оно упрощает выравнивание путем преобразования широкополосного частотно-селективного канала во многие узкополосные плоские подканалы. MIMO-OFDM является фактическим стандартом для высокоскоростных подводных коммуникаций. Ключевые варианты дизайна включают циклическую длину префикса (должны превышать максимальный спред задержки), интервал поднесущей (должен быть достаточно узким, чтобы избежать интер-несущих помех, вызванных распространением Доплера) и размещение пилотов. Последние работы были сосредоточены на неортогональном множественном доступе (NOMA) в MIMO-OFDM для обслуживания нескольких пользователей на одних и тех же ресурсах.

Кодирование и итеративная обработка контроля ошибок

Подводные MIMO-приемники часто используют турбо-эквализацию, которая итеративно обменивается мягкой информацией между эквалайзером канала и декодером (например, LDPC или турбо-декодер). Это резко улучшает производительность BER, не требуя от CSI идеального. Коды с четностью низкой плотности (LDPC) предпочтительны для их производительности с близкой емкостью в длинных блоках, но за счет более высокой сложности декодирования. Для сообщений управления коротким пакетом используются хвостовые сверточные коды для минимизации накладных расходов.

Реальные мировые реализации и тематические исследования

Теоретические достижения в подводной MIMO были подтверждены в ходе нескольких экспериментальных кампаний. Одним из заметных примеров является протокол JANUS (стандарт НАТО для подводной цифровой связи), который теперь включает в себя расширения MIMO для более высоких скоростей передачи данных. Морские испытания, проведенные в Средиземном море, продемонстрировали достижение скорости 2×2 MIMO-OFDM на расстоянии 60 кбит/с на 1 км — примерно вдвое больше скорости системы с одним входом и одним выходом (SISO) с использованием той же полосы пропускания.

Другим знаковым проектом является испытательный стенд акустической связи WHOI-UCSD MIMO, который развернул четырехэлементные массивы на AUV. Полевые испытания в Монтерей-Бей показали, что пространственное мультиплексирование с MIMO 4×4 достигало 150 кбит/с на 2 км, что является значительным достижением, учитывая сложный многолучевой путь на мелководье. Эти результаты подчеркивают, что при тщательном проектировании, особенно при адаптивном формировании луча и итеративной оценке канала, MIMO может обеспечить осмысленные достижения даже при многих практических ограничениях.

Будущие направления и новые технологии

Несмотря на впечатляющий прогресс, подводные системы MIMO остаются далеко не оптимальными.Исследователи активно преследуют несколько рубежей, чтобы продвинуть производительность дальше.

Машинное обучение для оценки и выравнивания каналов

Для изучения нелинейных характеристик каналов, оценки параметров без явных моделей и проектирования оптимальных приемников применяются глубокие нейронные сети (DNN). Сверточные и повторяющиеся архитектуры могут использовать пространственно-временные корреляции. Ранние результаты симулированных подводных каналов показывают, что оценки каналов на основе DNN превосходят обычные оценки наименьших квадратов (LS) и минимальных ошибок среднего квадрата (MMSE), особенно при низких SNR. Обучение с подкреплением также может оптимизировать адаптивную модуляцию и распределение мощности в реальном времени.