基于海洋湍流信道模型的水下无线光通信系统的性能研究

来源 :深圳大学 | 被引量 : 0次 | 上传用户:crystalymd
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着水下无人化与智能化装备的快速发展,人们对水下通信的性能要求越来越高,找寻到在复杂水下环境中保持高性能传输的水下通信技术成为当务之急。水下无线光通信(Underwater Wireless Optical Communication,UWOC)因其具有高数据速率、低延迟、大容量和高安全性等优良性能引起了广泛的关注。但水下无线光通信系统的信道环境复杂,光信号在海水中传播会受到吸收、散射和湍流等海洋效应影响,这将严重降低链路的可靠性及系统的误码率性能,进而降低通信质量,阻碍水下无线光通信技术的进一步发展。因此,对如何提高水下无线光通信系统的传输性能进行研究具有重大意义。本文基于海洋湍流信道模型,深入研究了两种高传输性能的系统方案:调制-调制(Modulation-Modulation,M-M)的混合调制以及编码-调制(Code-Modulation,C-M),并进一步分析其系统的误码性能,研究了在协同传输模式下的水下无线光通信系统的误码性能。论文具体工作如下:本论文首先总结了近些年各类调制格式在水下无线光通信系统中误码性能,同时概述了混合调制今年来发展现状。以DPSK、mPPM单个调制为例,分别分析了系统在不同海洋信道特征下的误码性能,推导出相应的理论误码公式。然后,以DPSK-mPPM混合调制和RS-mPPM编码调制为例,研究了调制-调制(M-M)以及编码-调制(C-M)两种高效调制系统方案水下误码性能。阐述这了两种模式下信号的实现过程及原理,推导了基于强海洋湍流信道下DPSK-mPPM混合调制和RS-mPPM编码调制的误码率理论表达式,并分析了在不同海洋环境下的误码性能。同时将RS-mPPM与LDPC-mPPM进行对比,分析了在不同编码下的系统误码性能。最后,将协同分集技术引入水下无线光通信系统,分析了信道特征变化对mPPM调制系统和DPSK-mPPM混合调制系统的误码性能的影响。研究结果表明,(1)在单个调制系统中,mPPM调制在高阶(即m较大)时,其系统误码性能要优于DPSK调制系统,在阶数为4时,两种调制格式的误码性能较为接近。(2)在M-M混合调制系统中,如DPSK-mPPM混合调制信号,在信道环境相同时,与单个DPSK调制信号或对应阶数的mPPM调制信号相比,DPSK-mPPM混合调制信号具有更强的对抗海洋湍流效应能力,能较好的改善系统误码性能。(3)在对C-M编码调制系统研究时发现:mPPM与RS编码结合时,系统误码性能与mPPM作用于DPSK表现的趋势是一样的。另外,mPPM-RS系统的误码性能也会随着纠错能力的提升而有较大的改善。在对mPPM-LDPC误码性能分析时发现,在mPPM阶数相同时,mPPM-LDPC信号较mPPM-RS信号具有更好的误码性能。(4)在对基于协同分集技术的水下无线光通信系统研究时发现,协同传输较直接传输具有更强的对抗信道衰落能力。
其他文献
近年来,移动机器人在智能制造与物流系统中得到了快速发展,其中机器人在未知环境下的同时定位与建图(SLAM,Simultaneous Localization and Mapping)的技术被大量应用和关注。基于单机器人的SLAM技术已经发展的比较成熟,并且当前主要的研究都集中在对单机器人SLAM算法的性能优化上面,对于多机器人的SLAM研究相对较少,本文针对多机器人SLAM中的机器人相对位姿确定和
随着网络应用数量的剧增,网络资源的精确匹配变得越来越重要,而推荐系统中的资源匹配问题就是如何从用户的历史偏好记录中发现特定规律,进而为网络用户提供个性化服务。作为推荐系统中更常见的一类数据,隐式反馈数据比以评分形式存在的显式反馈数据更容易收集,因此很多面向显式反馈的传统协同过滤方法被扩展来对隐式反馈数据建模。由于这类数据只包含诸如交互与否这种单一类别的信息,由此产生的一系列方法也被称为单类协同过滤
软体机器人易于制备、成本低、控制简单、柔顺性好,是机器人技术的前沿热点。软体手是软体机器人的重要方向,天然的被动柔顺特性使得采用简单的驱动算法即可实现稳定的抓取操作。结合可变刚结构,软体手具备刚度可控的特性,并且,柔顺性好、抓取力大,用于操作任务时,优势明显。因此,本文围绕可变刚度软体手的混合驱动结构设计、控制系统设计、抓取定位算法和智能视觉抓取等方面展开研究。具体内容如下:(1)结合层阻塞变刚度
MIMO雷达因其波形分集和空间分集特性,在目标检测和参数估计等方面具有分辨率高和抗干扰能力强等优势。针对大带宽信号,MIMO雷达采用奈奎斯特采样得到的海量数据对信号存储传输和处理造成了巨大压力。利用压缩感知理论可以解决MIMO雷达海量数据与稀疏目标信息之间的不平衡。现有的基于压缩感知的MIMO雷达信号处理方法大多存在着压缩采样的压缩率不高、信号重构导致的目标检测和参数估计精度低和实时性差等问题。因
近年来,伴随着对人机交互的探索,手势识别技术逐渐成为一个非常具有前景的研究热点。由于雷达传感器具有非接触、不受光照影响、不泄露个人隐私信息、可全天时、全天候工作等特点,基于雷达的手势识别技术是一个具有潜力的研究方向。然而,现有研究对手势信息的感知,主要是径向距离、径向多普勒和时频等手势特征信息,手势信息维度不足导致手势识别能力受到一定限制;特别是单雷达传感器通常无横向分辨能力,能够识别的手势种类很
随着如今海量的直播视频数据产生,从长视频提取出精彩短片段的需求也愈发迫切。但目前,提取精彩片段的多数解决方案仍是通过人工筛选,面对大量的视频,这种方法无疑会耗费大量的人力资源,如何实现高效的高光片段提取依旧是一个困扰业界的难题。且由于缺乏相关的数据集,相关领域的学术研究也同样较少。在本文中,我们将尝试利用直播弹幕来完成高光片段的识别与提取。弹幕是一类新型的视频交互形式,用户在观看直播视频的过程中,
人总是在和他所在场景里的物体进行交互,而人与物体的交互动作往往与人和物体两者都有很强的关联。在看不到物体的情况下,我们能否通过观察人和物体交互动作的骨骼动作序列,从而得知物体的属性呢?举例来说,当看不到箱子时,我们是否可以通过观察人搬箱子时的骨骼动作序列,就能得知箱子的重量呢?本文就这个问题做出了详细的研究论述。我们采集了一个大型的人与物体交互动作的数据集,其中包含视频数据和用动作捕捉服采集到的三
在液晶显示屏生产的领域中,由于生产工艺的局限导致生产出的液晶显示屏在显示时出现不规律的亮度、色彩上的不均匀,为了实现显示效果的稳定在液晶模组生产过程中需要对液晶显示屏的显示不均匀进行检测并加以补偿,该补偿过程在液晶显示屏生产领域称为De-mura。目前主流的De-mura系统中的设备主要由计算机(personal computer,PC)、视频信号发生器与相机组成,在目前的De-mrua系统中由于
在数据中心采用光学物理层网络编码(Optical Physical-layer Network Coding,OPNC)实现全光网络通信,是目前光纤通信研究的热点,有较高的学术价值和较大的应用价值。本文为提高数据中心的数据交换效率并减少时延和波长资源的浪费,将OPNC技术应用于数据中心无源光互联,并对技术方案所需的方法进行了深入地研究。主要完成的工作及创新点如下:(1)深入分析和评述了数据中心无源
人们在过去的几年对自由空间光(Free Space Optical,FSO)通信做了大量的研究,主要是因为其潜在的巨大传输容量远高于无线射频技术所提供的容量。然而一方面大气湍流引起的衰落(通常称为闪烁)和强路径损耗会限制FSO系统的传输可靠性,而空间分集因其高分集增益、易于实现、能够有效地对抗多径衰落的影响得到了广泛应用。另一方面由于无线信道的开放性,FSO系统面临安全隐患。而数据层算法加密技术容