水下無線傳感器網(wǎng)絡(luò)通信技術(shù)研究現(xiàn)狀及趨勢*

劉千里 吳 暉

（海軍裝備部駐武漢地區(qū)第五軍事代表室 武漢 430205）

1 引言

海洋地質(zhì)勘探、石油開采和環(huán)境監(jiān)測需要穩(wěn)定的水下網(wǎng)絡(luò)。同時，海洋自然災(zāi)害預警系統(tǒng)也促進了海洋信息化的發(fā)展。實現(xiàn)高可靠性水下網(wǎng)絡(luò)的基礎(chǔ)是能夠?qū)崿F(xiàn)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(tǒng)。已經(jīng)提出了多種水下環(huán)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(yīng)用于水下環(huán)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(huán)境應(yīng)用最成熟的通信方式。聲波在低頻大功率下可以傳播數(shù)千公里，是實現(xiàn)水下遠距離通信的唯一手段。然而，UAC雖然具有可以實現(xiàn)遠距離通信的優(yōu)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(huán)境的多樣性和復雜性所產(chǎn)生的噪聲對UAC產(chǎn)生了顯著干擾，水下節(jié)點的移動性導致了多普勒效應(yīng)。海底邊界、水域邊界和海洋中不同的地理環(huán)境造成多徑效應(yīng)，這對高質(zhì)量的水下通信提出了重大挑戰(zhàn)。

這些通信技術(shù)從根本上決定了水下傳感器網(wǎng)絡(luò)的穩(wěn)定性和可靠性。當然，還有其他因素影響水下傳感器網(wǎng)絡(luò)的可靠性，如網(wǎng)絡(luò)層的路由協(xié)議和MAC協(xié)議。本文主要研究分析了影響水下網(wǎng)絡(luò)可靠性的因素，包括通信技術(shù)和網(wǎng)絡(luò)技術(shù)；對水下通信技術(shù)及其發(fā)展現(xiàn)狀進行了全面的梳理。介紹了水下多模態(tài)網(wǎng)絡(luò)的性能優(yōu)勢，并對水下多模態(tài)網(wǎng)絡(luò)的未來發(fā)展提出了看法。機器學習用于水下數(shù)據(jù)傳輸也進行了討論。討論了AUV輔助數(shù)據(jù)傳輸網(wǎng)絡(luò)，作為一種特殊的水下數(shù)據(jù)傳輸形式，分析了它的優(yōu)點和組網(wǎng)中存在的問題；未來水下數(shù)據(jù)傳輸（通信和聯(lián)網(wǎng)）所面臨的挑戰(zhàn)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(diào)制技術(shù)制約著UAC的發(fā)展。早期的模擬調(diào)制數(shù)字聲音處理（DSP）和當前的正交頻分復用（OFDM）調(diào)制技術(shù)都是從陸基通信系統(tǒng)中派生出來的。這些技術(shù)理論上可以應(yīng)用于水下通信系統(tǒng)。隨著水下通信調(diào)制技術(shù)的發(fā)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(xié)的信道環(huán)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(zhàn)。

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(zhì)量。水聲信道具有時變和多樣性，不同水環(huán)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(yīng)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(diào)制技術(shù)，可以顯著提高抗信道衰減和抗噪聲技術(shù)。然而，對于多普勒和多徑效應(yīng)，需要采用擴頻技術(shù)、均衡技術(shù)和同步技術(shù)等調(diào)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(jié)點在旅游經(jīng)濟網(wǎng)絡(luò)中是否居于中心的地位，主要有3種表現(xiàn)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(jié)點的旅游經(jīng)濟交往能力，度數(shù)越高，該節(jié)點擁有的權(quán)利越大。接近中心度用來測量一個節(jié)點與其他節(jié)點的旅游經(jīng)濟往來的便利性，用一個節(jié)點與其他所有節(jié)點的捷徑距離之和表示。中介中心度反映各節(jié)點在多大程度上位于其他節(jié)點交往路線的“中間”地位，并控制其他節(jié)點的交往能力。其值越高，控制力就越強，在旅游經(jīng)濟網(wǎng)絡(luò)中就越具有壟斷性地位。

在上一節(jié)中，提到了使用AUV協(xié)助數(shù)據(jù)卸載的多模態(tài)網(wǎng)絡(luò)模型。AUV按照一定的算法訪問網(wǎng)絡(luò)中卸載信息的數(shù)據(jù)源節(jié)點，實現(xiàn)大數(shù)據(jù)量的數(shù)據(jù)傳輸。這種網(wǎng)絡(luò)下AUV訪問路徑的算法成為影響網(wǎng)絡(luò)性能的關(guān)鍵因素。

2.2 多徑效應(yīng)、多普勒效應(yīng)、正交頻分復用技術(shù)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(shù)據(jù)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(diào)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(shù)。然而，水下網(wǎng)絡(luò)的動態(tài)拓撲結(jié)構(gòu)使它在這個環(huán)境中很難實現(xiàn)精確定位和時間同步[3]。OFDM調(diào)制是解決水下多徑效應(yīng)的最有效手段，可以提高水下數(shù)據(jù)傳輸速率。結(jié)合媒體訪問控制（MAC）和安全機制，可以實現(xiàn)一個理想的水聲網(wǎng)絡(luò)[4]。雖然OFDM在解決多徑效應(yīng)方面表現(xiàn)出優(yōu)越的性能，但受到多普勒效應(yīng)的嚴重影響。OFDM仍然是平衡水下信道和環(huán)境特性的最有效的通信調(diào)制技術(shù)。提高OFDM技術(shù)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(shù)是OFDM，這主要是因為OFDM可以實現(xiàn)高速的數(shù)據(jù)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(tǒng)對多普勒效應(yīng)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(shù)可以彌補這一缺陷。通過對OFDM編碼、ICI和FRFT、FFT解調(diào)性能的研究，使水下通信OFDM系統(tǒng)更加完善，提高了水下數(shù)據(jù)傳輸?shù)目煽啃浴?/p>

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(yè)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(wù)大多孩子自行處理，小學老師則更關(guān)注孩子的學習。

3 水下網(wǎng)絡(luò)

3.1 水下路由

路由協(xié)議是通信網(wǎng)絡(luò)的底層協(xié)議，是實現(xiàn)網(wǎng)絡(luò)分組中繼過程的重要手段。由于水下網(wǎng)絡(luò)的建設(shè)和應(yīng)用還處于起步階段，能夠?qū)崿F(xiàn)實驗的水下網(wǎng)絡(luò)還不多。水下路由協(xié)議的設(shè)計比陸上路由協(xié)議復雜。陸上網(wǎng)絡(luò)的拓撲結(jié)構(gòu)為二維平面，水下網(wǎng)絡(luò)的拓撲結(jié)構(gòu)為三維。此外，水下路由始終是動態(tài)的，而陸上路由始終是靜態(tài)的。同時，水下路由還面臨著節(jié)點移動、能量消耗等挑戰(zhàn)。

資源分配型MAC協(xié)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(xié)議主要分為不受控包協(xié)議、單受控包協(xié)議和握手協(xié)議?；旌螹AC協(xié)議集成了多種競爭機制和多種接入技術(shù)，如FDMA、TDMA、CDMA等，具有更好的性能。近年來，混合MAC協(xié)議迅速成為一個研究熱點。現(xiàn)有的研究主要涉及TDMA和CDMA協(xié)議、TDMA和競爭協(xié)議、CDMA和競爭協(xié)議的結(jié)合協(xié)議。

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

3.1.3 基于能量的路由協(xié)議

在海洋環(huán)境中實現(xiàn)可靠的數(shù)據(jù)傳輸是一個非常困難的挑戰(zhàn)。下面的章節(jié)中基于現(xiàn)有研究階段，討論了所面臨的挑戰(zhàn)和開放性問題、水下數(shù)據(jù)傳輸?shù)睦碚摵头椒ā?/p>

3.1.2 非基于位置的路由協(xié)議

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

上述兩個網(wǎng)絡(luò)模型代表了兩種典型的多模態(tài)水下網(wǎng)絡(luò)：非AUV輔助和AUV輔助的多態(tài)網(wǎng)絡(luò)。采用多介質(zhì)通信技術(shù)的水下網(wǎng)絡(luò)具有更強的多態(tài)性。它的網(wǎng)絡(luò)形式具有代表性、高速、短距離，長距離和低速通信技術(shù)相結(jié)合的多模網(wǎng)絡(luò)，與單模網(wǎng)絡(luò)相比，可以提高網(wǎng)絡(luò)的時延、吞吐量、魯棒性等，保證數(shù)據(jù)的可靠傳輸。網(wǎng)絡(luò)架構(gòu)的優(yōu)越性有時可以大大提高網(wǎng)絡(luò)的性能。對于海洋網(wǎng)絡(luò)而言，單純的水聲網(wǎng)絡(luò)可以保證足夠的覆蓋，但無法實現(xiàn)大數(shù)據(jù)傳輸。純UOC網(wǎng)絡(luò)可以實現(xiàn)大數(shù)據(jù)傳輸，但不能保證足夠的海洋覆蓋。多模態(tài)水下網(wǎng)絡(luò)或異構(gòu)水下網(wǎng)絡(luò)是較為有利的網(wǎng)絡(luò)模型。

在早期的水下路由研究中，將網(wǎng)絡(luò)中節(jié)點位置信息的存在與否作為主要特征將水下路由協(xié)議劃分為兩種不同類型。基于位置的典型是基于矢量轉(zhuǎn)發(fā)（VBF）協(xié)議，非基于位置的典型是基于深度的路由（DBR）協(xié)議。VBF協(xié)議的目的是利用每個節(jié)點的已知位置信息建立一個從源節(jié)點到匯聚節(jié)點的有效數(shù)據(jù)鏈路。雖然該協(xié)議在動態(tài)三維水下網(wǎng)絡(luò)中具有較高的適應(yīng)性，但仍需要考慮節(jié)點能量消耗和稀疏網(wǎng)絡(luò)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(xié)議[5]，Nicolaou等提出了聚焦波束路由（Focused Beam Routing，F(xiàn)BR）[6]協(xié)議。HH-VBF 解決了稀疏網(wǎng)絡(luò)中VBF的性能問題。

2018年，Majid和Ahmad提出了可靠、節(jié)能的壓力路由協(xié)議（RE-PBR）[8]和改進的VBF協(xié)議。RE-PBR協(xié)議引入了剩余能量、鏈路質(zhì)量指標（LQI）值和信噪比等參數(shù)。首次將鏈路質(zhì)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(wǎng)絡(luò)生存期均有顯著提高。與原來的VBF協(xié)議相比，改進后的VBF協(xié)議考慮了剩余能量，采用動態(tài)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(wǎng)絡(luò)的生存時間，Nouman等提出了一種基于DBR的增強能量收集DBR協(xié)議（EH-DBR），該協(xié)議利用數(shù)據(jù)包收集聲波通信頻段的能量，對節(jié)點進行充電。許多研究都考慮了水下節(jié)點的能量消耗問題，這也表明節(jié)點的能量消耗問題在水下通信網(wǎng)絡(luò)領(lǐng)域是一個基本問題。

3.1.4 基于VH的路由協(xié)議

信息空洞（VH）問題是影響水下網(wǎng)絡(luò)性能的重要問題，也是路由協(xié)議開發(fā)人員面臨的主要挑戰(zhàn)。在文獻[9]中，第一個提出了完整的無狀態(tài)機會路由協(xié)議（SORP）。它采用被動參與的方法，在路由過程中本地檢測網(wǎng)絡(luò)拓撲不同區(qū)域的漏洞和捕獲節(jié)點。它還采用了一種新的方案，實現(xiàn)了可根據(jù)候選轉(zhuǎn)發(fā)節(jié)點的局部密度和位置進行調(diào)整和替換的自適應(yīng)轉(zhuǎn)發(fā)區(qū)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(xié)議：干擾感知路由協(xié)議（Intar）和可靠的干擾感知路由協(xié)議（RE-Intar）。RE-Intar協(xié)議與Intar協(xié)議的不同之處在于，深度信息被添加到原來的HOLLE中。該協(xié)議能有效地解決信息空洞問題，在網(wǎng)絡(luò)性能上有一定提高。

3.1.5 基于機器學習的路由協(xié)議

機器學習是當前的研究熱點，學習算法與水下通信網(wǎng)絡(luò)兼容。將機器學習方法應(yīng)用于水下網(wǎng)絡(luò)已成為解決水下網(wǎng)絡(luò)關(guān)鍵問題的重要手段。由于傳統(tǒng)的陸上路由協(xié)議不能適應(yīng)水下環(huán)境，水下網(wǎng)絡(luò)中非智能路由協(xié)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(shù)據(jù)采集路由協(xié)議QL-EEBDG[10]。該協(xié)議是基于強化學習的，其目的是平衡網(wǎng)絡(luò)中一些聚集節(jié)點的能量消耗，使一個節(jié)點不會因為過度使用而迅速死亡，從而造成網(wǎng)絡(luò)中斷或網(wǎng)絡(luò)覆蓋范圍的大規(guī)模降低。強化學習存在一個嚴重的缺陷，稱為維度危機?；谏鲜鰪娀瘜W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(xié)議DQELR[11]。深度強化學習是強化學習和深度神經(jīng)網(wǎng)絡(luò)的結(jié)合。深度神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)高維信息的特征提取，可以很好地克服強化學習的維數(shù)危機。此外，Nadeem等也利用強化學習，利用相鄰節(jié)點技術(shù)QLEEBDG-AND來避免路由協(xié)議中空洞節(jié)點的出現(xiàn)。將機器學習方法應(yīng)用于水下路由，提供網(wǎng)絡(luò)中的每個節(jié)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(xié)議

媒體訪問控制（Medium Access Control，MAC）協(xié)議是網(wǎng)絡(luò)訪問的關(guān)鍵技術(shù)，多年來對水聲傳感網(wǎng)絡(luò)的MAC協(xié)議進行了有益的研究。這些研究可以根據(jù)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(xié)議

3.3 水下多模態(tài)網(wǎng)絡(luò)

對水下網(wǎng)絡(luò)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(wǎng)絡(luò)是不可行的?；诓煌ㄐ欧绞降亩嗄B(tài)水下網(wǎng)絡(luò)（MDUNs）是未來最有可能的網(wǎng)絡(luò)形式。目前對水下多態(tài)網(wǎng)絡(luò)的定義還不明確。Roee提出了一種基于MDUNs的路由協(xié)議，MDUN是一種使用三個不同頻段的水下網(wǎng)絡(luò)。假設(shè)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(jié)點網(wǎng)絡(luò)。高、中頻水聽器可以傳輸高速和中速近程數(shù)據(jù)。低頻水聲可以傳播很長的距離。所有節(jié)點都可以配置不同頻段的UAC調(diào)制器，網(wǎng)絡(luò)中兩個相鄰節(jié)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(wǎng)絡(luò)框架由匯聚節(jié)點、水下數(shù)據(jù)源節(jié)點和數(shù)據(jù)卸載輔助AUV組成。匯聚節(jié)點位于水面，用于采集水下數(shù)據(jù)。通過錨鏈將水下節(jié)點固定在水下檢測區(qū)域，生成視頻信息。AUV用于水下數(shù)據(jù)卸載。水下機器人與水下節(jié)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(jié)點通過UAC向AUV發(fā)送控制信息，確定AUV節(jié)點訪問路徑。AUV在訪問節(jié)點時，通過UOC卸載節(jié)點數(shù)據(jù)包，然后浮出水面，通過電磁波通信將數(shù)據(jù)包發(fā)送給匯聚節(jié)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(huán)境中第一個非位置信息路由協(xié)議是由Yan等[7]提出的DBR協(xié)議。由于該協(xié)議只使用深度作為數(shù)據(jù)轉(zhuǎn)發(fā)的標準，深度較淺的節(jié)點會過度參與數(shù)據(jù)轉(zhuǎn)發(fā)，從而消耗更多的能量，更快地失效。H2-DBR協(xié)議和隨后提出的節(jié)能DBR（EEDBR）協(xié)議解決了上述問題，大大提高了DBR協(xié)議的性能。2014年，Wahid等開發(fā)了基于物理距離和剩余能量的可靠節(jié)能路由協(xié)議（R-ERP2R）DBR協(xié)議[8]。它將DBR協(xié)議中的深度計算替換為源節(jié)點與相鄰節(jié)點之間的物理距離計算。該算法適應(yīng)性強，適用于水下傳感器網(wǎng)絡(luò)的聚類。

4 自主水下航行器輔助的水下無線傳感器網(wǎng)絡(luò)

上海市《關(guān)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(yè)做出了如下規(guī)定，“認真貫徹《中華人民共和國就業(yè)促進法》，落實積極的就業(yè)政策，鼓勵和幫扶有勞動能力的孤兒成年后實現(xiàn)就業(yè)，按照規(guī)定落實職業(yè)培訓補貼、職業(yè)技能鑒定補貼、免費職業(yè)介紹、職業(yè)介紹補貼和社會保險補貼等政策；孤兒成年后就業(yè)困難的，優(yōu)先安排其到政府開發(fā)的公益性崗位就業(yè)；孤兒成年后自主創(chuàng)業(yè)符合條件的，給予場地安排、小額貸款擔保及貼息、創(chuàng)業(yè)服務(wù)和培訓等方面的優(yōu)惠政策扶持?！?/p>

水下傳感器網(wǎng)絡(luò)中加入AUV無疑提高了數(shù)據(jù)傳輸?shù)目煽啃浴．斁W(wǎng)絡(luò)中存在AUV時，AUV的數(shù)量、訪問路徑、能耗等因素都會影響網(wǎng)絡(luò)數(shù)據(jù)的傳輸。目前，關(guān)于AUV輔助的水下網(wǎng)絡(luò)的研究還很少。在文獻[13]中，研究了多態(tài)網(wǎng)絡(luò)環(huán)境下AUV的路徑規(guī)劃，提出了一種啟發(fā)式?jīng)Q策算法—貪婪自適應(yīng)AUV尋徑（GAAP）。GAAP使AUV能夠最大化網(wǎng)絡(luò)的信息價值，能夠適應(yīng)網(wǎng)絡(luò)中發(fā)生的突發(fā)事件。該算法使水下機器人能夠?qū)⒕W(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)嚼碚撟畲笾档?0%以上。GAAP在單個AUV的路徑規(guī)劃方面取得了良好的效果，但當網(wǎng)絡(luò)中AUV數(shù)量增加時，節(jié)點訪問重復問題影響了算法，極大地影響了網(wǎng)絡(luò)性能。Petrika等對水下機器人路徑規(guī)劃的研究表明，水下機器人路徑?jīng)Q策方法是未來水下網(wǎng)絡(luò)的重要組成部分。AUV輔助通信方式具有傳統(tǒng)通信方式無法比擬的大規(guī)模數(shù)據(jù)傳輸優(yōu)勢。

在基于AUV的水下多狀態(tài)網(wǎng)絡(luò)或異構(gòu)網(wǎng)絡(luò)中，需要解決AUV的多路徑?jīng)Q策算法、AUV能耗優(yōu)化以及智能路徑算法等問題。AUV路徑規(guī)劃問題本質(zhì)上是一個路徑問題；但是，它不同于路由。該路由算法尚未應(yīng)用于水下機器人的路徑?jīng)Q策，這使得該問題成為一個新的研究課題。在未來，水下網(wǎng)絡(luò)將不可避免地包括AUV。水下機器人尋徑技術(shù)的研究可以提高水下網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)目煽啃浴Ｎ磥?，水下網(wǎng)絡(luò)協(xié)議棧中的AUV路徑?jīng)Q策協(xié)議將成為重要的研究方向。

5 水下通信網(wǎng)絡(luò)面臨的挑戰(zhàn)

（1）要建立專業(yè)數(shù)學課程，比如參考清華大學建筑數(shù)學課程模式，針對本校各專業(yè)學生的特點，獨立開發(fā)專業(yè)數(shù)學課程體系。課程開發(fā)過程中要參考國外最新經(jīng)驗和國內(nèi)優(yōu)秀教材，同時分析專業(yè)的發(fā)展趨勢和實踐需求，借鑒通識課數(shù)學智慧傳遞的經(jīng)驗，堅持在實踐中教學。（2）要堅持在專業(yè)領(lǐng)域內(nèi)利用數(shù)學方法解決問題，多創(chuàng)造專業(yè)情境，比如經(jīng)濟學專業(yè)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(shè)計課程。（3）要掌握專業(yè)領(lǐng)域必須的數(shù)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(jīng)典之論：建筑師必須精通幾何學。高職建筑專業(yè)的學生也要精通相關(guān)領(lǐng)域的數(shù)學，而不是面面俱到。

5.1 通信

5.1.1 水聲通信問題與挑戰(zhàn)

UAC用于水下通信的優(yōu)點是可以實現(xiàn)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(yīng)是影響UAC的重要因素。在目前的UAC研究中，采用均衡技術(shù)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(yīng)方面，OFDM技術(shù)表現(xiàn)出更好的性能，但需要輔助均衡技術(shù)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(shù)提高帶寬利用率，采用多天天線技術(shù)提高通信速率。近年來，UAC技術(shù)已經(jīng)取得了長足的進步，但仍面臨許多挑戰(zhàn)。首先，由于水下環(huán)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(guān)的研究。第三，UAC的安全性是未來水聲網(wǎng)絡(luò)應(yīng)用的關(guān)鍵問題。安全的認證機制、可靠的編碼技術(shù)和精確的定位技術(shù)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(zhàn)

后來在他們的相處中，她還是發(fā)現(xiàn)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(yōu)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(fā)展的主要障礙。UOC節(jié)點由于使用光作為通信介質(zhì)，容易暴露收發(fā)機的位置，使得秘密通信難以實現(xiàn)。此外，點對點UOC系統(tǒng)需要高度精確的校準技術(shù)，但通信節(jié)點經(jīng)常無法在水下環(huán)境中保持穩(wěn)定的位置。當系統(tǒng)運行穩(wěn)定時，節(jié)點的能耗會增加，這就降低了它們的壽命，嚴重影響了數(shù)據(jù)傳輸?shù)男屎头€(wěn)定性。點對點通信方式依賴于激光發(fā)射單元，激光發(fā)射單元消耗大量能源，對環(huán)境水質(zhì)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(tǒng)。但由于散射光源的光強散射，導致數(shù)據(jù)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(tǒng)的應(yīng)用。因此，UOC制度也應(yīng)該多元化。多UOC系統(tǒng)的綜合利用和組網(wǎng)可能是未來的一個重要課題。

5.2 網(wǎng)絡(luò)

水下網(wǎng)絡(luò)的實現(xiàn)是應(yīng)用水下通信技術(shù)的最終目標，構(gòu)建海洋網(wǎng)絡(luò)的重要性不言而喻。在網(wǎng)絡(luò)層面上，水下路由是水下網(wǎng)絡(luò)中的一個重要問題，近年來得到了更多的研究。與傳統(tǒng)的陸地路由相比，水下路由引入了更多的問題和挑戰(zhàn)。一般來說，地面網(wǎng)絡(luò)的拓撲結(jié)構(gòu)不涉及高度問題。在這樣的網(wǎng)絡(luò)中，路由算法只需在二維平面上考慮和設(shè)計，網(wǎng)絡(luò)中節(jié)點之間的連接是穩(wěn)定的。而在水下環(huán)境中，網(wǎng)絡(luò)拓撲構(gòu)成了三維結(jié)構(gòu)。首先，這大大增加了網(wǎng)絡(luò)路由算法的復雜性；其次，節(jié)點位置受海洋的影響而發(fā)生顯著變化。節(jié)點間通信連接的不穩(wěn)定性和節(jié)點能量的限制是路由算法設(shè)計中的重要挑戰(zhàn)；此外，MAC協(xié)議問題也存在類似的路由問題。

3、內(nèi)部控制整體框架階段。20世紀末美國許多大公司出現(xiàn)了財務(wù)舞弊問題，讓社會各界對財務(wù)風險管理有了更廣泛的關(guān)注。企業(yè)管理層逐漸認識到內(nèi)部控制對于完善企業(yè)內(nèi)部流程和降低企業(yè)財務(wù)風險的重要意義。美國反虛假委員會在深入調(diào)查施樂、世通等大公司的財務(wù)問題之后，進行問題分析和經(jīng)驗總結(jié)得出內(nèi)部控制的實現(xiàn)必須具備獨立于公司管理層的獨立性和權(quán)威性，進一步深化內(nèi)部控制的研究。之后，美國權(quán)威機構(gòu)提出內(nèi)部控制劃分為五大要素，分別為控制環(huán)境、風險評估、控制活動、信息與溝通，以及監(jiān)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(jié)點的移動、信息空洞VH和節(jié)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(jīng)常需要大量的數(shù)據(jù)訓練和強大的計算能力，這無疑會給網(wǎng)絡(luò)帶來更多的開銷。UAC系統(tǒng)可以實現(xiàn)高覆蓋但通信速率很低，而UOC系統(tǒng)可以實現(xiàn)高通信速率但區(qū)域覆蓋很低。UOC和UAC相結(jié)合的MUDN形式可以保證覆蓋范圍，實現(xiàn)本地高速數(shù)據(jù)傳輸，但仍然存在影響延遲和吞吐量的網(wǎng)絡(luò)瓶頸。水下機器人在水下網(wǎng)絡(luò)中進行輔助數(shù)據(jù)傳輸可以顯著改善這些瓶頸。網(wǎng)絡(luò)結(jié)構(gòu)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(guī)劃問題、水聲光學系統(tǒng)的資源分配問題等。

6 結(jié)語

通過對水下通信技術(shù)和網(wǎng)絡(luò)的研究，可以得出結(jié)論，未來的海洋數(shù)據(jù)傳輸在采用合理的部署拓撲技術(shù)后，將涉及到不同通信技術(shù)的多模態(tài)和異構(gòu)特性。網(wǎng)絡(luò)中的節(jié)點資源和區(qū)域資源存在差異。此外，區(qū)域間的傳播率和質(zhì)量也會有明顯的差異。在海洋通信中，沒有一種通信技術(shù)、網(wǎng)絡(luò)結(jié)構(gòu)或協(xié)議能夠完全適應(yīng)所有的應(yīng)用環(huán)境，因此，多樣性將是未來海洋通信網(wǎng)絡(luò)的顯著特征。此外，傳統(tǒng)的非智能算法在多變的海洋環(huán)境方面存在明顯的不足?；谌斯ぶ悄艿木W(wǎng)絡(luò)協(xié)議算法將在未來的海洋網(wǎng)絡(luò)中發(fā)揮重要作用。