水下無線傳感器網絡通信技術研究現狀及趨勢*

劉千里 吳 暉

（海軍裝備部駐武漢地區第五軍事代表室 武漢 430205）

1 引言

海洋地質勘探、石油開采和環境監測需要穩定的水下網絡。同時，海洋自然災害預警系統也促進了海洋信息化的發展。實現高可靠性水下網絡的基礎是能夠實現高速、低誤碼率（BER）、長通信半徑和低功耗的水下點對點通信系統。已經提出了多種水下環境通信方法：水下聲通信（UAC）、水下光通信（UOC）、電磁通信、引力波通信、量子通信和磁場通信。然而，實際上只有UOC和UAC可以應用于水下環境[1～2]，其余通信方法仍處于實驗室驗證階段。UAC是目前水下環境應用最成熟的通信方式。聲波在低頻大功率下可以傳播數千公里，是實現水下遠距離通信的唯一手段。然而，UAC雖然具有可以實現遠距離通信的優勢，但也存在很多缺陷。例如，它的傳輸延遲很長、帶寬資源極其稀缺等。此外，水下環境的多樣性和復雜性所產生的噪聲對UAC產生了顯著干擾，水下節點的移動性導致了多普勒效應。海底邊界、水域邊界和海洋中不同的地理環境造成多徑效應，這對高質量的水下通信提出了重大挑戰。

這些通信技術從根本上決定了水下傳感器網絡的穩定性和可靠性。當然，還有其他因素影響水下傳感器網絡的可靠性，如網絡層的路由協議和MAC協議。本文主要研究分析了影響水下網絡可靠性的因素，包括通信技術和網絡技術；對水下通信技術及其發展現狀進行了全面的梳理。介紹了水下多模態網絡的性能優勢，并對水下多模態網絡的未來發展提出了看法。機器學習用于水下數據傳輸也進行了討論。討論了AUV輔助數據傳輸網絡，作為一種特殊的水下數據傳輸形式，分析了它的優點和組網中存在的問題；未來水下數據傳輸（通信和聯網）所面臨的挑戰和有待解決的問題，并提出了一些可行的解決方案和對未來研究的展望。

2 水聲通信

目前，調制技術制約著UAC的發展。早期的模擬調制數字聲音處理（DSP）和當前的正交頻分復用（OFDM）調制技術都是從陸基通信系統中派生出來的。這些技術理論上可以應用于水下通信系統。隨著水下通信調制技術的發展，水下通信變得更加可靠。然而，水聲信道被認為是最不妥協的信道環境之一，其復雜性和可變性為可靠的信息傳輸提出了不可克服的挑戰。

2.1 信道模型

信道模型的建立極大地促進了UAC的理論研究，并直接影響了其質量。水聲信道具有時變和多樣性，不同水環境下的信道模型也不同。水聲信道模型包括幾個重要的模型：聲頻路徑衰減模型、噪聲模型、多徑模型和多普勒模型。雖然建立多徑和多普勒效應模型是可行的，但解決UAC的高誤碼率問題仍然是一個難題。借助調制技術，可以顯著提高抗信道衰減和抗噪聲技術。然而，對于多普勒和多徑效應，需要采用擴頻技術、均衡技術和同步技術等調制以外的方法或算法來提高通信性能。

(3)中心度(centrality)：中心度用以衡量各節點在旅游經濟網絡中是否居于中心的地位，主要有3種表現形式：程度中心度、接近中心度和中介中心度[24]。程度中心度用來測量各城市節點的旅游經濟交往能力，度數越高，該節點擁有的權利越大。接近中心度用來測量一個節點與其他節點的旅游經濟往來的便利性，用一個節點與其他所有節點的捷徑距離之和表示。中介中心度反映各節點在多大程度上位于其他節點交往路線的“中間”地位，并控制其他節點的交往能力。其值越高，控制力就越強，在旅游經濟網絡中就越具有壟斷性地位。

在上一節中，提到了使用AUV協助數據卸載的多模態網絡模型。AUV按照一定的算法訪問網絡中卸載信息的數據源節點，實現大數據量的數據傳輸。這種網絡下AUV訪問路徑的算法成為影響網絡性能的關鍵因素。

2.2 多徑效應、多普勒效應、正交頻分復用技術的研究

由于不同路徑的信號到達接收機的時間不同，在相位誤差的情況下，信號的疊加會導致接收到的信號變形或嚴重衰落，最終導致誤碼，嚴重影響數據的可靠傳輸。目前有許多方法可以消除多徑的影響，例如提高接收機測距精度和時域均衡的方法，以及利用OFDM調制的方法。為了提高測距精度和時域均衡，需要定位和時間同步技術。然而，水下網絡的動態拓撲結構使它在這個環境中很難實現精確定位和時間同步[3]。OFDM調制是解決水下多徑效應的最有效手段，可以提高水下數據傳輸速率。結合媒體訪問控制（MAC）和安全機制，可以實現一個理想的水聲網絡[4]。雖然OFDM在解決多徑效應方面表現出優越的性能，但受到多普勒效應的嚴重影響。OFDM仍然是平衡水下信道和環境特性的最有效的通信調制技術。提高OFDM技術在水下通信中的效率的研究仍在進行中。

目前UAC中最成熟和流行的技術是OFDM，這主要是因為OFDM可以實現高速的數據傳輸，并且在聲波低傳播速率下具有天然的抗多徑能力。盡管OFDM系統對多普勒效應很敏感，但近年來提出的匹配濾波器（MF）、零力（ZF）和最小均方誤差（MMSE）均衡器等均衡技術可以彌補這一缺陷。通過對OFDM編碼、ICI和FRFT、FFT解調性能的研究，使水下通信OFDM系統更加完善，提高了水下數據傳輸的可靠性。

幼兒園階段由于幼兒的年齡小，保教需并重，因此幼兒園老師既要履行“傳道授業解惑“的責任，同時也要像媽媽一樣照顧幼兒的吃飯穿衣，保護幼兒安全。而隨著幼兒年歲的逐漸增長，小學老師的職責也隨之不同，生活上的事務大多孩子自行處理，小學老師則更關注孩子的學習。

3 水下網絡

3.1 水下路由

路由協議是通信網絡的底層協議，是實現網絡分組中繼過程的重要手段。由于水下網絡的建設和應用還處于起步階段，能夠實現實驗的水下網絡還不多。水下路由協議的設計比陸上路由協議復雜。陸上網絡的拓撲結構為二維平面，水下網絡的拓撲結構為三維。此外，水下路由始終是動態的，而陸上路由始終是靜態的。同時，水下路由還面臨著節點移動、能量消耗等挑戰。

資源分配型MAC協議主要分為三種類型：頻分多址（FDMA）、時分多址（TDMA）和碼分多址（CDMA）。資源競爭MAC協議主要分為不受控包協議、單受控包協議和握手協議。混合MAC協議集成了多種競爭機制和多種接入技術，如FDMA、TDMA、CDMA等，具有更好的性能。近年來，混合MAC協議迅速成為一個研究熱點。現有的研究主要涉及TDMA和CDMA協議、TDMA和競爭協議、CDMA和競爭協議的結合協議。

目前已設立的16個廢舊農膜回收網點基本都分布在鎮上，距離鎮較遠的村農民交售仍然不方便，而回收網點對于廢舊農膜回收缺乏積極性，因成本原因不能主動上門回收廢舊農膜，挫傷了農民撿拾廢舊農膜的積極性，致使農民將清理出來的廢舊農膜堆砌在田間地頭。

3.1.3 基于能量的路由協議

在海洋環境中實現可靠的數據傳輸是一個非常困難的挑戰。下面的章節中基于現有研究階段，討論了所面臨的挑戰和開放性問題、水下數據傳輸的理論和方法。

3.1.2 非基于位置的路由協議

劉志偉(1993-)，男，碩士研究生，主要研究方向為激光與物質相互作用. Email:LZWundt1439836564@126.com

上述兩個網絡模型代表了兩種典型的多模態水下網絡：非AUV輔助和AUV輔助的多態網絡。采用多介質通信技術的水下網絡具有更強的多態性。它的網絡形式具有代表性、高速、短距離，長距離和低速通信技術相結合的多模網絡，與單模網絡相比，可以提高網絡的時延、吞吐量、魯棒性等，保證數據的可靠傳輸。網絡架構的優越性有時可以大大提高網絡的性能。對于海洋網絡而言，單純的水聲網絡可以保證足夠的覆蓋，但無法實現大數據傳輸。純UOC網絡可以實現大數據傳輸，但不能保證足夠的海洋覆蓋。多模態水下網絡或異構水下網絡是較為有利的網絡模型。

在早期的水下路由研究中，將網絡中節點位置信息的存在與否作為主要特征將水下路由協議劃分為兩種不同類型。基于位置的典型是基于矢量轉發（VBF）協議，非基于位置的典型是基于深度的路由（DBR）協議。VBF協議的目的是利用每個節點的已知位置信息建立一個從源節點到匯聚節點的有效數據鏈路。雖然該協議在動態三維水下網絡中具有較高的適應性，但仍需要考慮節點能量消耗和稀疏網絡等重要問題。為了解決這兩個問題，Jornet等提出了逐跳（hop-by-hop，HH）VBF協議[5]，Nicolaou等提出了聚焦波束路由（Focused Beam Routing，FBR）[6]協議。HH-VBF 解決了稀疏網絡中VBF的性能問題。

2018年，Majid和Ahmad提出了可靠、節能的壓力路由協議（RE-PBR）[8]和改進的VBF協議。RE-PBR協議引入了剩余能量、鏈路質量指標（LQI）值和信噪比等參數。首次將鏈路質量值添加到中繼路由決策算法中。仿真實驗表明，與EEDBR和DBR相比，該算法的端到端時延和網絡生存期均有顯著提高。與原來的VBF協議相比，改進后的VBF協議考慮了剩余能量，采用動態虛擬流水線的方法來提高VBF的性能。為了進一步提高水下網絡的生存時間，Nouman等提出了一種基于DBR的增強能量收集DBR協議（EH-DBR），該協議利用數據包收集聲波通信頻段的能量，對節點進行充電。許多研究都考慮了水下節點的能量消耗問題，這也表明節點的能量消耗問題在水下通信網絡領域是一個基本問題。

3.1.4 基于VH的路由協議

信息空洞（VH）問題是影響水下網絡性能的重要問題，也是路由協議開發人員面臨的主要挑戰。在文獻[9]中，第一個提出了完整的無狀態機會路由協議（SORP）。它采用被動參與的方法，在路由過程中本地檢測網絡拓撲不同區域的漏洞和捕獲節點。它還采用了一種新的方案，實現了可根據候選轉發節點的局部密度和位置進行調整和替換的自適應轉發區域，從而提高了能量效率和可靠性。Nadeem等提出了兩種處理VH的協議：干擾感知路由協議（Intar）和可靠的干擾感知路由協議（RE-Intar）。RE-Intar協議與Intar協議的不同之處在于，深度信息被添加到原來的HOLLE中。該協議能有效地解決信息空洞問題，在網絡性能上有一定提高。

3.1.5 基于機器學習的路由協議

機器學習是當前的研究熱點，學習算法與水下通信網絡兼容。將機器學習方法應用于水下網絡已成為解決水下網絡關鍵問題的重要手段。由于傳統的陸上路由協議不能適應水下環境，水下網絡中非智能路由協議的性能往往不理想。Obaida等提出了一種基于Q-learning的高效均衡的能耗數據采集路由協議QL-EEBDG[10]。該協議是基于強化學習的，其目的是平衡網絡中一些聚集節點的能量消耗，使一個節點不會因為過度使用而迅速死亡，從而造成網絡中斷或網絡覆蓋范圍的大規模降低。強化學習存在一個嚴重的缺陷，稱為維度危機。基于上述強化學習所帶來的問題，Su等提出了一種基于深度Q-learning（DQN）的能量與延遲感知路由協議DQELR[11]。深度強化學習是強化學習和深度神經網絡的結合。深度神經網絡可以實現高維信息的特征提取，可以很好地克服強化學習的維數危機。此外，Nadeem等也利用強化學習，利用相鄰節點技術QLEEBDG-AND來避免路由協議中空洞節點的出現。將機器學習方法應用于水下路由，提供網絡中的每個節點具有一定的智能決策能力，是一種有效的水下路由解決方案，也是目前研究的熱點。

3.2 媒體訪問控制協議

媒體訪問控制（Medium Access Control，MAC）協議是網絡訪問的關鍵技術，多年來對水聲傳感網絡的MAC協議進行了有益的研究。這些研究可以根據其所涉及的渠道獲取策略分為資源分配策略、資源競爭策略和混合策略。

3.1.1 基于位置的路由協議

3.3 水下多模態網絡

對水下網絡的研究表明，僅采用一種通信方式來建立高速、可靠的水下網絡是不可行的。基于不同通信方式的多模態水下網絡（MDUNs）是未來最有可能的網絡形式。目前對水下多態網絡的定義還不明確。Roee提出了一種基于MDUNs的路由協議，MDUN是一種使用三個不同頻段的水下網絡。假設UAC的三個頻率是相互不干擾的。Roee采用高、中、低頻UAC組合，形成六節點網絡。高、中頻水聽器可以傳輸高速和中速近程數據。低頻水聲可以傳播很長的距離。所有節點都可以配置不同頻段的UAC調制器，網絡中兩個相鄰節點之間可能存在多條鏈路。文獻[12]提出了另一種MDUN模型。模型中采用了UOC、UAC和電磁波三種通信方式。整個網絡框架由匯聚節點、水下數據源節點和數據卸載輔助AUV組成。匯聚節點位于水面，用于采集水下數據。通過錨鏈將水下節點固定在水下檢測區域，生成視頻信息。AUV用于水下數據卸載。水下機器人與水下節點同時具有UAC和UOC能力，同時具有無線電磁波通信能力。水下節點通過UAC向AUV發送控制信息，確定AUV節點訪問路徑。AUV在訪問節點時，通過UOC卸載節點數據包，然后浮出水面，通過電磁波通信將數據包發送給匯聚節點。

選取Accuracy、P-R、F1、ROC、AUC、KS作為評價指標，對基于LCS、TF-IDF、CNN、LSTM的語義相似度模型進行實驗對比分析。

水下環境中第一個非位置信息路由協議是由Yan等[7]提出的DBR協議。由于該協議只使用深度作為數據轉發的標準，深度較淺的節點會過度參與數據轉發，從而消耗更多的能量，更快地失效。H2-DBR協議和隨后提出的節能DBR（EEDBR）協議解決了上述問題，大大提高了DBR協議的性能。2014年，Wahid等開發了基于物理距離和剩余能量的可靠節能路由協議（R-ERP2R）DBR協議[8]。它將DBR協議中的深度計算替換為源節點與相鄰節點之間的物理距離計算。該算法適應性強，適用于水下傳感器網絡的聚類。

4 自主水下航行器輔助的水下無線傳感器網絡

上海市《關于進一步加強本市孤兒保障工作的意見》對扶持孤兒成年后就業做出了如下規定，“認真貫徹《中華人民共和國就業促進法》，落實積極的就業政策，鼓勵和幫扶有勞動能力的孤兒成年后實現就業，按照規定落實職業培訓補貼、職業技能鑒定補貼、免費職業介紹、職業介紹補貼和社會保險補貼等政策；孤兒成年后就業困難的，優先安排其到政府開發的公益性崗位就業；孤兒成年后自主創業符合條件的，給予場地安排、小額貸款擔保及貼息、創業服務和培訓等方面的優惠政策扶持。”

水下傳感器網絡中加入AUV無疑提高了數據傳輸的可靠性。當網絡中存在AUV時，AUV的數量、訪問路徑、能耗等因素都會影響網絡數據的傳輸。目前，關于AUV輔助的水下網絡的研究還很少。在文獻[13]中，研究了多態網絡環境下AUV的路徑規劃，提出了一種啟發式決策算法—貪婪自適應AUV尋徑（GAAP）。GAAP使AUV能夠最大化網絡的信息價值，能夠適應網絡中發生的突發事件。該算法使水下機器人能夠將網絡數據傳輸到理論最大值的80%以上。GAAP在單個AUV的路徑規劃方面取得了良好的效果，但當網絡中AUV數量增加時，節點訪問重復問題影響了算法，極大地影響了網絡性能。Petrika等對水下機器人路徑規劃的研究表明，水下機器人路徑決策方法是未來水下網絡的重要組成部分。AUV輔助通信方式具有傳統通信方式無法比擬的大規模數據傳輸優勢。

在基于AUV的水下多狀態網絡或異構網絡中，需要解決AUV的多路徑決策算法、AUV能耗優化以及智能路徑算法等問題。AUV路徑規劃問題本質上是一個路徑問題；但是，它不同于路由。該路由算法尚未應用于水下機器人的路徑決策，這使得該問題成為一個新的研究課題。在未來，水下網絡將不可避免地包括AUV。水下機器人尋徑技術的研究可以提高水下網絡數據傳輸的可靠性。未來，水下網絡協議棧中的AUV路徑決策協議將成為重要的研究方向。

5 水下通信網絡面臨的挑戰

（1）要建立專業數學課程，比如參考清華大學建筑數學課程模式，針對本校各專業學生的特點，獨立開發專業數學課程體系。課程開發過程中要參考國外最新經驗和國內優秀教材，同時分析專業的發展趨勢和實踐需求，借鑒通識課數學智慧傳遞的經驗，堅持在實踐中教學。（2）要堅持在專業領域內利用數學方法解決問題，多創造專業情境，比如經濟學專業的教師讓學生利用微積分和概率學作出決策，針對未來崗位的需求設計課程。（3）要掌握專業領域必須的數學知識，建筑學為例，古羅馬的維特魯威在《建筑十書》提出了經典之論：建筑師必須精通幾何學。高職建筑專業的學生也要精通相關領域的數學，而不是面面俱到。

5.1 通信

5.1.1 水聲通信問題與挑戰

UAC用于水下通信的優點是可以實現長距離通信，但在傳輸速率、時延、誤碼率等方面存在嚴重缺陷。信道衰落和多徑效應是影響UAC的重要因素。在目前的UAC研究中，采用均衡技術可以有效地處理信道衰落問題，但需要建立可靠的信道模型。在處理多徑效應方面，OFDM技術表現出更好的性能，但需要輔助均衡技術來校正多普勒頻移。為解決通信速率低的問題，采用MIMO-OFDM技術提高帶寬利用率，采用多天天線技術提高通信速率。近年來，UAC技術已經取得了長足的進步，但仍面臨許多挑戰。首先，由于水下環境的多樣性和復雜性，使得水聲信道的建模困難且非通用性強，需要一種可靠的水聲信道估計算法。其次，UAC的高延遲特性是最難以解決的問題。目前還沒有有效的方法來降低UAC的時延，也沒有相關的研究。第三，UAC的安全性是未來水聲網絡應用的關鍵問題。安全的認證機制、可靠的編碼技術和精確的定位技術將影響到UAC的安全性和可靠性。

5.1.2 光通信的問題與挑戰

后來在他們的相處中，她還是發現了程江許多缺點，譬如堅持己見，大男子主義等，都讓她不能忍受，她恃寵而驕對他進行批評教育，耳提面命。

UOC相對于UAC的兩個主要優勢是極高的傳輸速率和毫秒延遲，但UOC所允許的短通信距離是其發展的主要障礙。UOC節點由于使用光作為通信介質，容易暴露收發機的位置，使得秘密通信難以實現。此外，點對點UOC系統需要高度精確的校準技術，但通信節點經常無法在水下環境中保持穩定的位置。當系統運行穩定時，節點的能耗會增加，這就降低了它們的壽命，嚴重影響了數據傳輸的效率和穩定性。點對點通信方式依賴于激光發射單元，激光發射單元消耗大量能源，對環境水質依賴性很大。為了解決這一問題，提出了一種采用散射光源的水下通信系統。但由于散射光源的光強散射，導致數據傳輸距離、信道噪聲、速率、誤碼率降低，在特定場景下無法替代點對點通信系統的應用。因此，UOC制度也應該多元化。多UOC系統的綜合利用和組網可能是未來的一個重要課題。

5.2 網絡

水下網絡的實現是應用水下通信技術的最終目標，構建海洋網絡的重要性不言而喻。在網絡層面上，水下路由是水下網絡中的一個重要問題，近年來得到了更多的研究。與傳統的陸地路由相比，水下路由引入了更多的問題和挑戰。一般來說，地面網絡的拓撲結構不涉及高度問題。在這樣的網絡中，路由算法只需在二維平面上考慮和設計，網絡中節點之間的連接是穩定的。而在水下環境中，網絡拓撲構成了三維結構。首先，這大大增加了網絡路由算法的復雜性；其次，節點位置受海洋的影響而發生顯著變化。節點間通信連接的不穩定性和節點能量的限制是路由算法設計中的重要挑戰；此外，MAC協議問題也存在類似的路由問題。

3、內部控制整體框架階段。20世紀末美國許多大公司出現了財務舞弊問題，讓社會各界對財務風險管理有了更廣泛的關注。企業管理層逐漸認識到內部控制對于完善企業內部流程和降低企業財務風險的重要意義。美國反虛假委員會在深入調查施樂、世通等大公司的財務問題之后，進行問題分析和經驗總結得出內部控制的實現必須具備獨立于公司管理層的獨立性和權威性，進一步深化內部控制的研究。之后，美國權威機構提出內部控制劃分為五大要素，分別為控制環境、風險評估、控制活動、信息與溝通，以及監督。

近年來隨著機器學習的普及，許多學者提出了基于機器學習的水下路由算法、水下信道估計方法和均衡算法。基于機器學習的算法可以有效地處理水下節點的移動、信息空洞VH和節點能量消耗等問題。與貪心算法相比，這些算法的效果會帶來更可靠的性能。智能算法經常需要大量的數據訓練和強大的計算能力，這無疑會給網絡帶來更多的開銷。UAC系統可以實現高覆蓋但通信速率很低，而UOC系統可以實現高通信速率但區域覆蓋很低。UOC和UAC相結合的MUDN形式可以保證覆蓋范圍，實現本地高速數據傳輸，但仍然存在影響延遲和吞吐量的網絡瓶頸。水下機器人在水下網絡中進行輔助數據傳輸可以顯著改善這些瓶頸。網絡結構的改變雖然會帶來性能的提高，但也會帶來一些問題，如AUV的路徑規劃問題、水聲光學系統的資源分配問題等。

6 結語

通過對水下通信技術和網絡的研究，可以得出結論，未來的海洋數據傳輸在采用合理的部署拓撲技術后，將涉及到不同通信技術的多模態和異構特性。網絡中的節點資源和區域資源存在差異。此外，區域間的傳播率和質量也會有明顯的差異。在海洋通信中，沒有一種通信技術、網絡結構或協議能夠完全適應所有的應用環境，因此，多樣性將是未來海洋通信網絡的顯著特征。此外，傳統的非智能算法在多變的海洋環境方面存在明顯的不足。基于人工智能的網絡協議算法將在未來的海洋網絡中發揮重要作用。