⚡ electrical engineering

End-to-End Optical Propagation Modeling for Water-to-Air Channels under Sea Surface and UAV Effects

Dit artikel presenteert een Monte Carlo-straalvolgsimulatie voor het modelleren van een optische water-lucht communicatielijn tussen onderwatersensoren en een UAV, waarbij rekening wordt gehouden met zeegolven, bubbels en UAV-instabiliteit om de prestaties van het systeem te evalueren.

Oorspronkelijke auteurs: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

Gepubliceerd 2026-03-26

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De "Zee-Luchtbuurt": Hoe we onderwaterdata naar de lucht sturen met licht

Stel je voor dat je een schatkaart hebt die ergens diep in de oceaan ligt, maar je kunt er niet bij. Je wilt die kaart (de data) naar iemand boven water sturen. Normaal gesproken gebruik je geluid (zoals een duikboot die "bliep" maakt), maar dat is traag en kan de zeedieren storen. Of je gebruikt radio, maar radio werkt niet goed onder water.

De auteurs van dit paper hebben een slim idee bedacht: gebruik een flitslicht! Ze willen een camera of sensor onder water laten flitsen met een LED-lampje, zodat een drone (een vliegende robot) boven het water die flitsen kan zien en de boodschap kan lezen.

Maar hier komt het lastige deel: de oceaan is geen rustig zwembad. Het is een wild, bewegend, bubbelspattend gebied. Dit paper is als het bouwen van een simulatie-bril om te zien hoe dit licht zich gedraagt in die chaotische wereld.

Hier is hoe ze dat doen, vertaald in alledaagse termen:

1. Het Lichtreisje: Een wandeling door een drukke menigte

Stel je voor dat het licht van de LED onder water een wandelaar is die door een enorme, drukke menigte (het water) moet lopen.

De menigte: Het water zit vol met kleine deeltjes (zand, plankton). Als de wandelaar (het licht) tegen iemand aanbotst, moet hij een andere kant op. Dit noemen ze verstrooiing.
De bubbels: Dicht bij het oppervlak, waar de golven slaan, ontstaan er duizenden luchtbellen. Dit is alsof de wandelaar plotseling door een bubbelbad moet rennen. De bubbels zijn heel groot en zorgen voor extra chaos. De auteurs hebben een speciale wiskundige formule (de Mie-theorie) gebruikt om precies te berekenen hoe die bubbels het licht "opzij duwen".

2. De Golvende Deur: Het wateroppervlak

Het wateroppervlak is geen vlakke spiegel; het is een dansende, golvende deur die voortdurend van vorm verandert door de wind.

De wind: Als de wind hard waait, worden de golven groter en chaotischer. De auteurs gebruiken een beroemde formule (JONSWAP) die oceanografen al jaren gebruiken om te voorspellen hoe die golven eruitzien, afhankelijk van hoe ver je van de kust bent (voor koraalriffen is dit belangrijk, want die liggen vaak dicht bij de kust).
Het breken: Als het licht het water verlaat, breekt het (net zoals een lepel die eruitziet alsof hij gebroken is in een glas water). Als de golven te steil zijn, kan het licht zelfs terugkaatsen naar beneden en verdwijnen. De computer simuleert miljoenen lichtdeeltjes om te zien hoeveel er het water echt halen.

3. De Dansende Drone: De onstabiele ontvanger

De drone boven water is niet stil. De wind duwt hem heen en weer, waardoor hij schudt en kantelt.

De dans: Stel je voor dat je probeert een laserstraal op een klein doelwit te richten terwijl je op een trampoline staat. Als de drone kantelt, mist hij de flits van onder water.
De oplossing: De auteurs hebben een wiskundig model bedacht dat precies beschrijft hoe hard de drone schudt bij verschillende windsnelheden. Ze hebben zelfs een formule bedacht om te berekenen hoeveel licht er "verloren" gaat omdat de drone net even de verkeerde kant op kijkt.

4. De Super-Oog: De SiPM

Omdat er onder water weinig licht is en de drone ver weg staat, heb je een heel gevoelig oog nodig. Ze gebruiken geen gewone camera, maar een SiPM (Silicon Photo-Multiplier).

De analogie: Een gewone camera is als een emmer die water vangt; je hebt veel water nodig. Een SiPM is als een supergevoelige luie die één druppel water kan horen vallen. Hierdoor kunnen ze zelfs heel zwakke flitsen van onder water oppikken, zelfs als het donker is (omdat ze 's nachts werken om de zonnestoring te vermijden).

Wat hebben ze ontdekt? (De conclusie)

Na al die complexe berekeningen en simulaties komen ze tot een geruststellend nieuws:

Het werkt! Zelfs als de wind hard waait (tot 13 meter per seconde, wat best veel is) en de drone schudt, kan je nog steeds data sturen.
Diepte: Je kunt data sturen vanuit een diepte van ongeveer 47 meter. Dat is diep genoeg om koraalriffen te monitoren zonder dure duikboten of schepen te hoeven gebruiken.
Snelheid: Ze kunnen ongeveer 1 megabit per seconde sturen. Dat is niet Netflix-snelheid, maar meer dan genoeg om sensorgegevens (zoals temperatuur of waterkwaliteit) snel naar boven te sturen.

Kortom:
Deze auteurs hebben een digitale "zandkasteel" gebouwd om te testen of je een boodschap onder water kunt sturen naar een drone boven water. Ze hebben rekening gehouden met de bubbels, de golvende zee, de schuddende drone en de gevoelige camera. Het resultaat? Een werkend plan om onze oceanen slimmer en veiliger te monitoren, zonder de natuur te storen met lawaai of grote schepen. Het is alsof ze een onzichtbare, lichtgevende telefoonlijn hebben gelegd tussen de zeebodem en de lucht.

Titel: End-to-End Optische Propagatiemodeling voor Water-Lucht Kanalen onder Invloed van Zeeoppervlak en UAV-effecten

Auteurs: M. Nennouche, M.A. Khalighi, A.A. Dowhuszko, en D. Merad.

1. Probleemstelling

Er is een groeiende behoefte aan efficiënte monitoring van mariene biodiversiteit, zoals koraalriffen, via het "Internet of Underwater Things" (IoUT). Traditionele methoden voor datatransport van onderwater sensoren naar de lucht (voor verwerking of opslag) maken vaak gebruik van tussenliggende knooppunten zoals boeien of oppervlakteschepen (ASV's), of ze gebruiken akoestische communicatie.

Akoestiek: Heeft een lage bandbreedte, hoge latentie en kan schadelijk zijn voor het mariene ecosysteem.
Relay-systemen: Vereisen dure apparatuur en kunnen het kwetsbare ecosysteem verstoren (bijvoorbeeld door ankeren van boeien).
Directe Water-Lucht (W2A) optische communicatie: Biedt een veelbelovend alternatief voor directe data-overdracht van een onderwater sensor naar een onbemand luchtvaartuig (UAV). Echter, dit kanaal is extreem complex door:
- Absorptie en verstrooiing in water.
- De dynamische en willekeurige aard van het zeeoppervlak (golven).
- De aanwezigheid van luchtbellen nabij het oppervlak.
- Instabiliteit van de UAV veroorzaakt door wind, wat leidt tot uitlijningsfouten.

Bestaande modellen zijn vaak beperkt tot open zee (ver van de kust) of negeren de gecombineerde effecten van golven, bellen en UAV-trillingen in een realistische setting voor koraalriffen.

2. Methodologie

De auteurs ontwikkelen een uitgebreid End-to-End (E2E) kanaalmodel voor een W2A optische link, waarbij een LED-zender (Tx) op diepte data verzendt naar een SiPM-ontvanger (Rx) aan boord van een UAV. De modellering omvat vier hoofdbestanddelen:

Monte Carlo Ray-Tracing Simulatie:
Een algoritme wordt ontwikkeld om de propagatie van fotonen te simuleren door zowel het water- als het luchtkanaal.
- Onderwater: Gebruik van de Fournier-Forand (FF) fasefunctie voor verstrooiing door waterdeeltjes (preciezer dan de standaard Henyey-Greenstein functie voor kleine en grote hoeken).
- Luchtbellen: De Hall-Novarini (HN) model wordt gebruikt om de dichtheid en grootteverdeling van luchtbellen nabij het oppervlak te beschrijven als functie van diepte en windsnelheid. De verstrooiingseffecten van deze bellen worden berekend met Mie-theorie.
- Water-Lucht Interface: Het zeeoppervlak wordt gemodelleerd met het JONSWAP-spectrum (in plaats van het meer gebruikelijke PM-spectrum), omdat dit beter geschikt is voor kustgebieden (koraalriffen) door de invoering van de "fetch"-parameter (afstand tot de kust). Snells wet en Fresnel-vergelijkingen worden toegepast voor breking en reflectie.
UAV-Instabiliteit onder Wind:
Een nieuw wiskundig kader wordt gepresenteerd om het effect van windturbulentie op de UAV-oriëntatie te modelleren.
- Het Dryden-turbulentiemodel wordt gebruikt om windsnelheidsschommelingen te genereren.
- Een gesloten-formule uitdrukking wordt afgeleid voor de kansdichtheidsfunctie (PDF) van de UAV-kantelhoek ( $\alpha_{UAV}$ ) en de daaruit voortvloeiende kanaalverlies ( $h_\alpha$ ) als functie van de windsnelheid.
Systeemconfiguratie:
- Zender: LED (470 nm) met een Lambertiaans stralingspatroon.
- Ontvanger: Silicium-fotovermenigvuldiger (SiPM), gekozen vanwege zijn uiterst hoge gevoeligheid (enige fotonen detectie), wat essentieel is voor lage vermogens en nachtelijke operaties (om achtergrondruis te minimaliseren).
- Scenario: Koraalrifmonitoring in ondiep water (<50m), waarbij oceaangeturbulentie (temperatuur/zoutgehalte-gradiënten) als verwaarloosbaar wordt beschouwd.

3. Belangrijkste Bijdragen

Realistisch Kanaalmodel: Een geïntegreerd model dat onderwaterabsorptie, verstrooiing, luchtbellen (via HN en Mie), zeeoppervlaktegolven (via JONSWAP) en UAV-instabiliteit (via Dryden) combineert.
Gesloten Formule voor UAV-Verlies: Voor het eerst wordt een analytische, gesloten-formule afgeleid voor de PDF van de UAV-kantelhoek en het bijbehorende signaalverlies onder turbulente windcondities.
JONSWAP-toepassing: Het gebruik van het JONSWAP-model voor W2A communicatie in kustgebieden, wat relevanter is voor koraalrifstudies dan de modellen voor de open oceaan.
Eind-tot-Eind Prestatieanalyse: Een volledige evaluatie van de Bit Error Rate (BER) rekening houdend met alle bovengenoemde factoren, inclusief de invloed van data-rate en diepte.

4. Resultaten

De numerieke resultaten, gebaseerd op simulaties met een DJI Matrice 300 RTK UAV en een SiPM-ontvanger, tonen het volgende:

Invloed van Wind en Golven:
- Hogere windsnelheden (bijv. 13 m/s vs 5 m/s) leiden tot grotere golfhoogtes en een hogere concentratie luchtbellen. Dit veroorzaakt een significante toename in kanaalverlies (gemiddeld verlies daalt van $1.58 \times 10^{-5}$ naar $1.32 \times 10^{-5}$ bij 13 m/s).
- De tijdsvariabiliteit van het kanaal is groter bij lagere windsnelheden door kortere golfperioden, wat leidt tot snellere fading.
UAV-Instabiliteit:
- Hoewel de kantelhoek van de UAV toeneemt met de windsnelheid (standaardafwijking van 0.48° bij 5 m/s naar 3.04° bij 13 m/s), is het verlies door deze instabiliteit verwaarloosbaar in dit specifieke scenario.
- Dit komt door het gebruik van een LED met een brede straal (10° half-power hoek), wat de gevoeligheid voor uitlijningsfouten vermindert. Een laserdiode zou hier veel gevoeliger voor zijn.
Systeemparameters:
- Een bredere LED-straal (hoger $\theta_{1/2}$ ) vermindert het gemiddelde kanaalverlies door minder fotonen te verliezen aan breking aan het oppervlak, maar maakt de link gevoeliger voor uitlijningsfouten.
- Diepere zenders (tot 40m) leiden tot meer absorptie en verstrooiing, wat de linkrange beperkt.
Eind-tot-Eind Prestaties (BER):
- Voor een data-rate van 1 Mbps en een windsnelheid van 13 m/s, is het mogelijk om een betrouwbare link (BER < $2 \times 10^{-3}$ , FEC-grens) te handhaven tot een diepte van ongeveer 47 meter.
- Bij hogere data-rates (5 en 10 Mbps) neemt de maximale bereikdiepte af door de bandbreedtebeperkingen van de SiPM en de LED.
- De prestaties zijn sterk afhankelijk van het gebruik van een SiPM en nachtelijke operaties om zonlichtruis te vermijden.

5. Betekenis en Conclusie

Dit werk bewijst de haalbaarheid van directe optische communicatie van onderwater sensoren naar UAV's voor mariene monitoring, zelfs onder realistische en uitdagende omstandigheden (wind, golven, bellen).

Praktische Toepassing: De studie toont aan dat koraalriffen (die vaak ondiep en dicht bij de kust liggen) effectief kunnen worden gemonitord zonder dure oppervlakteboeien of onderwaterdrones, mits er gebruik wordt gemaakt van gevoelige ontvangers (SiPM) en robuuste modellering.
Ontwerprichtlijnen: Het biedt essentiële inzichten voor het ontwerpen van IoUT-systemen, benadrukt dat LED's (in plaats van lasers) beter geschikt zijn voor deze specifieke W2A-toepassingen vanwege hun tolerantie voor UAV-trillingen, en valideert het gebruik van het JONSWAP-model voor kustgebieden.
Toekomstperspectief: De ontwikkelde Monte Carlo-simulatie en de analytische modellen voor UAV-instabiliteit vormen een waardevol gereedschap voor de verdere ontwikkeling van robuuste mariene communicatiesystemen.

Samenvattend biedt dit artikel een fundamentele bijdrage aan het begrijpen en modelleren van de complexe fysica van water-lucht optische links, en valideert het een kosteneffectieve oplossing voor mariene biodiversiteitsmonitoring.