• 中国科技核心期刊
  • JST收录期刊
  • Scopus收录期刊
  • DOAJ收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SVR的水声通信信噪比预测及发送功率自适应方法

郑纪星 袁屿藩 卓晓晓 陆雪松 瞿逢重 魏艳

郑纪星, 袁屿藩, 卓晓晓, 等. 基于SVR的水声通信信噪比预测及发送功率自适应方法[J]. 水下无人系统学报, xxxx, x(x): x-xx doi: 10.11993/j.issn.2096-3920.2024-0180
引用本文: 郑纪星, 袁屿藩, 卓晓晓, 等. 基于SVR的水声通信信噪比预测及发送功率自适应方法[J]. 水下无人系统学报, xxxx, x(x): x-xx doi: 10.11993/j.issn.2096-3920.2024-0180
ZHENG Jixing, YUAN Yufan, ZHUO Xiaoxiao, LU Xuesong, QU Fengzhong, WEI Yan. Prediction of SNR Based on SVR and Adaptive Transmission Power Method in Underwater Acoustic Communications[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2024-0180
Citation: ZHENG Jixing, YUAN Yufan, ZHUO Xiaoxiao, LU Xuesong, QU Fengzhong, WEI Yan. Prediction of SNR Based on SVR and Adaptive Transmission Power Method in Underwater Acoustic Communications[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2024-0180

基于SVR的水声通信信噪比预测及发送功率自适应方法

doi: 10.11993/j.issn.2096-3920.2024-0180
基金项目: 国家自然科学基金项目资助(62225114).
详细信息
    作者简介:

    郑纪星(2000-), 女, 在读硕士, 主要研究方向为水声通信

  • 中图分类号: TJ630.34; U674.941

Prediction of SNR Based on SVR and Adaptive Transmission Power Method in Underwater Acoustic Communications

  • 摘要: 海洋环境噪声是海洋中永恒存在的声场, 与海浪、风雨、海洋生物、船舶及工业等诸多因素有关, 诸多影响因素的叠加使水下噪声功率有较强的随机性, 但海面温度及潮汐高度等因素的持续作用也会使水下噪声功率具有一定的周期性特征。水下环境噪声在水声通信时会直接影响通信误包率, 提高发送功率可增大接收信噪比, 降低误包率, 但也导致通信平均能耗较高。因此, 为了降低水声通信的误包率与平均能耗, 文中提出基于支持向量回归(SVR)算法对信噪比时间序列进行分析与预测, 并提出基于信噪比预测的水声通信发送功率自适应方法。仿真结果表明, 相比于指数平滑及差分整合移动平均自回归模型(ARIMA)方法, 基于线性核函数的支持向量回归算法对信噪比预测效果最好, 在测试数据上的预测误差最小。在不同调制方式下, 水声通信发送功率自适应方法都能在提高数据包传输成功率的同时降低每千字节能耗。

     

  • 图  1  舟山群岛水下环境噪声时域分析图

    Figure  1.  Time domain analysis of underwater environmental noise in Zhoushan Archipelago

    图  2  水声通信信噪比时间序列仿真结果

    Figure  2.  Simulation results of signal-to-noise ratio time series for underwater acoustic communication

    图  3  三次指数平滑与ARIMA方法预测结果

    Figure  3.  Prediction results of Triple exponential smoothing and ARIMA method

    图  4  基于线性核与高斯核函数的SVR方法预测结果

    Figure  4.  Prediction results of SVR method based on linear kernel and Gaussian kernel function

    图  5  水声通信发送功率自适应切换算法流程

    Figure  5.  Adaptive switching algorithm flow of underwater acoustic communication transmission power

    图  6  不同调制方式的误包率随信噪比变化曲线

    Figure  6.  Variation curve of packet error rate with SNR for different modulation modes

    图  7  不同调制方式下固定与自适应发送功率的信噪比序列对比

    Figure  7.  Comparison of SNR sequences of fixed and adaptive transmission power under different modulation modes

    图  8  固定与自适应发送功率的数据包传输成功率对比

    Figure  8.  Comparison of packet transmission success rates between fixed and adaptive transmission power

    图  9  固定与自适应发送功率的每千字节传输能耗对比

    Figure  9.  Comparison of energy consumption per kilobyte transmission between fixed and adaptive transmission power

    表  1  信噪比时间序列仿真模型参数列表[8]

    Table  1.   List of parameters for signal-to-noise ratio time series simulation model

    参数名称参数取值
    L96.00
    $ {\sigma _{ch}} $4.46
    $ {\mu _{ch}} $22.70
    $ {\sigma ^2} $5.00
    下载: 导出CSV

    表  2  信噪比时间序列预测方法性能对比

    Table  2.   Performance comparison of signal-to-noise ratio time series prediction methods

    预测方法 训练集
    RMSE
    训练集
    MAE
    测试集
    RMSE
    测试集
    MAE
    三次指数平滑 0.641 0.532 3.722 3.160
    ARIMA 4.411 3.686
    SVR(高斯核) 1.569 1.282 1.958 1.654
    SVR(线性核) 1.679 1.400 1.914 1.650
    下载: 导出CSV

    表  3  水声通信机不同发送音量对应的功率

    Table  3.   Power corresponding to different transmission volume of underwater acoustic communicator

    音量档位功率/W声源级/dB
    12.5172
    25.0175
    310.0178
    420.0181
    下载: 导出CSV

    表  4  不同调制方式对应的数据包发送能耗分析

    Table  4.   Energy consumption analysis of data packet transmission corresponding to different modulation modes

    调制方式 相干
    QPSK
    高速
    相干
    QPSK
    中速
    相干
    QPSK
    低速
    OFDM
    数据量/bit 3200 3200 3200 1500
    数据包长度/s 1.1 2.2 4.4 0.7
    数据率/kbps 2.9 1.45 0.73 2.14
    音量4档单数据包能耗/mWh 6.1 12.2 24.4 3.9
    每千字节能耗/mWh 10.67 21.34 42.68 14.56
    下载: 导出CSV
  • [1] 乔钢, 刘凇佐, 刘奇佩. 水声通信网络协议, 仿真与试验综述[J]. 水下无人系统学报, 2017, 25: 151-160.

    QIAO G, LIU S Z, LIU Q P. Review of protocols, simulation and experimentation for underwater acoustic communication network[J]. Journal of Unmanned Undersea Systems, 2017, 25: 151-160.
    [2] LUO H, WANG J, BU F, et al. Recent progress of air/water cross-boundary communications for underwater sensor networks: A review[J]. IEEE Sensors Journal, 2022, 22(9): 8360-8382. doi: 10.1109/JSEN.2022.3162600
    [3] 许肖梅. 水声通信与水声网络的发展与应用[J]. 声学技术, 2009, 28(6): 811-816. doi: 10.3969/j.issn1000-3630.2009.06.026

    XU X M. Development and applications of underwater acoustic communication and networks[J]. Technical Acoustics, 2009, 28(6): 811-816. doi: 10.3969/j.issn1000-3630.2009.06.026
    [4] SU W, LIN J, CHEN K, et al. Reinforcement learning-based adaptive modulation and coding for efficient underwater communications[J]. IEEE access, 2019, 7: 67539-67550. doi: 10.1109/ACCESS.2019.2918506
    [5] 吴雨珊. 自适应调制与功率分配的 OFDM 水声通信技术[D]. 哈尔滨: 哈尔滨工程大学, 2019.
    [6] 孙秋实. 水声通信的自适应调制编码方法研究[D]. 浙江: 浙江大学, 2023.
    [7] QARABAQI P, STOJANOVIC M. Adaptive power control for underwater acoustic communications[C]//OCEANS 2011 IEEE-Spain. Santander, ESP‌: IEEE, 2011: 1-7.
    [8] WANG Z, WANG C, SUN W. Adaptive transmission scheduling in time-varying underwater acoustic channels[C]//OCEANS 2015-MTS/IEEE Washington. Washington, USA: IEEE, 2015: 1-6.
    [9] 杨逍宇, 马伯乐, 周跃海, 等. 面向长时水声通信数据采集与评估的浮标设计与实现[J]. 数字海洋与水下攻防, 2022, 5(4): 279-284.

    YANG X Y, MA B L, ZHOU Y H, et al. Design and implementation of buoy for long-time underwater acoustic communication data acquisition and evaluation[J]. Digital Ocean & Underwater Warfare, 2022, 5(4): 279-284.
    [10] Wang X W, He Z Q, Hu Y, et al. Adaptive modulation and feedback strategy for an underwater acoustic link[C]//2022 Sixth Underwater Communications and Networking Conference (UComms). Seattle, Washington, USA: IEEE, 2022: 1-5.
    [11] WU C H, HO J M, et al. Travel-time prediction with support vector regression[J]. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(4): 276-281. doi: 10.1109/TITS.2004.837813
  • 加载中
图(9) / 表(4)
计量
  • 文章访问数:  15
  • HTML全文浏览量:  11
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-12-30
  • 修回日期:  2025-02-04
  • 录用日期:  2025-02-08
  • 网络出版日期:  2025-03-10

目录

    /

    返回文章
    返回
    服务号
    订阅号