人工智能技术在水声通信中的研究进展

发布时间：2021-08-04 14:06

　　海洋环境大动态变化特性导致水声信道复杂的时-空-频变,传统水声通信技术难以有效地与之自适应匹配。目前仍无法研制出一种能在各类海洋环境下均满足水声业务指标的水声通信机,更难以在全天候条件下实现大规模、稳健可靠的水声通信组网应用。近年来,人工智能和大数据的迅速发展,为突破传统水声通信技术瓶颈、建设海洋物联网带来新思路。本文对国内外利用人工智能技术解决水声通信难题的研究状况进行了概述,结合水声信道特性梳理了水声通信领域应用人工智能技术的主要思路,围绕人工智能技术从水声通信物理层和网络层两方面进行归纳,最后对未来的人工智能与水声通信交叉研究进行总结展望。 

【文章来源】：哈尔滨工程大学学报. 2020,41(10)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

人工智能与机器学习、深度学习的关系

图2梳理了目前水声领域应用人工智能相关算法的部分研究情况。从应用对象看,人工智能技术在水声通信中的应用可大致分为2类:1)以水声探测和节点间通信为主要应用场景的物理层方面,包括水声目标识别[21-23]、水声定位[24-27]、水声信道估计[28-29]、水声信道均衡[30-33]、水声自适应调制[10-12,47]、水声通信质量预测[34]等;2)以水声通信组网为主要应用场景的网络层方面,包括以低功耗为主要目标的水声网络路由设计[14-17]、网络拓扑分簇[35-37]、节点功率分配[38-40]、AUV辅助的水声数据搜集路径规划[41-43]和水声网络安全[18-20]等。

【参考文献】：
期刊论文
[1]基于粒子群最小二乘支持向量机的前视声呐目标识别[J]. 石洋,胡长青.  声学技术. 2018(02)
[2]海洋信息获取、传输、处理及融合前沿研究评述[J]. 徐文,鄢社锋,季飞,陈景东,张杰,赵航芳,陈戈,吴永清,余华,张歆,许肖梅,陈惠芳.  中国科学:信息科学. 2016(08)
[3]基于波形结构特征和支持向量机的水面目标识别[J]. 孟庆昕,杨士莪,于盛齐.  电子与信息学报. 2015(09)
[4]采用支持向量机的水声通信信号调制识别方法[J]. 江伟华,曹秀岭,童峰.  厦门大学学报(自然科学版). 2015(04)
[5]改进支持向量机和常数模算法水声信道盲均衡[J]. 童峰,许肖梅,方世良,李霞.  声学学报. 2012(02)
[6]多小波模糊神经网络盲均衡算法[J]. 刘振兴,郭业才,高敏,赵雪清.  兵工学报. 2010(09)
[7]基于支持向量机的水声信道盲均衡算法研究[J]. 李金明,赵俊渭,陆晶.  电声技术. 2006(09)
[8]一种基于支持向量机的目标定位方法[J]. 潘翔,李洁冰.  浙江大学学报(工学版). 2006(03)

硕士论文
[1]基于改进遗传优化的正交小波盲均衡算法[D]. 王卫.南京信息工程大学 2012
[2]基于支持向量机的盲均衡算法研究[D]. 李振兴.哈尔滨工程大学 2006



本文编号：3321833