⚡ electrical engineering

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

本文提出了一种结合蒙特卡洛射线追踪、Mie 散射气泡模型、JONSWAP 海浪谱及无人机风致不稳定性的端到端光传播模型，用于评估水下传感器通过 LED 与硅光电倍增管（SiPM）向无人机进行水对空（W2A）光通信在风浪环境下的误码率性能。

原作者： Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

发布于 2026-03-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个非常有趣且充满挑战的“水下寻宝”故事。简单来说，科学家们正在研究如何把深海里的传感器数据，像发快递一样，通过光直接传送到海面上的无人机上，而中间不需要任何船只或浮标帮忙。

想象一下，你在水下 40 米深的珊瑚礁里，手里拿着一台摄像机拍到了珍贵的海洋生物画面。你想把这些画面传给天上的无人机，但水太浑浊，无线电波（像手机信号）在水里传不远，声音（像声呐）又太慢且会吵到海洋生物。于是，科学家们决定用光（就像手电筒）来传数据。

但这可不是在平静的游泳池里玩手电筒那么简单。这篇论文就像是在给这个“水下光快递”系统做全方位的模拟测试，主要解决了三个大难题：

1. 海面不是镜子，而是“摇晃的万花筒”

比喻：想象你试图用手电筒照向海面上的一个目标。如果海面是平静的，光就像走直线一样容易。但现实中的海面有风，波浪起伏，就像一面不断变形、破碎的哈哈镜。

论文做了什么：他们建立了一个超级复杂的数学模型（叫 JONSWAP 模型），模拟了不同风速下海面的波浪形状。这就像是在电脑里造了一个“虚拟大海”，让光在里面穿过，看看波浪是怎么把光线折射（偏折）或者反射掉的。
发现：风越大，浪越高，光线就越容易“迷路”，导致到达无人机的光变少。

2. 海面附近全是“气泡炸弹”

比喻：当海浪翻滚时，会卷起无数细小的气泡。这些气泡就像海面上的无数个小棱镜。当光线穿过这些气泡时，会被散射得乱七八糟，就像你在雾天开车，车灯的光被雾气打散了一样。

论文做了什么：他们不仅模拟了波浪，还模拟了这些气泡的分布（用了 HN 模型和米氏散射理论）。他们计算了这些气泡是如何像“路障”一样阻挡和散射光线的。
发现：靠近海面的地方气泡最多，对光的干扰也最大。

3. 无人机是个“晕船”的飞行员

比喻：无人机在海面上空飞，风一吹，它就会像喝醉的飞行员一样摇晃、倾斜。如果无人机歪了，它接收光线的“眼睛”（接收器）就看不准了，就像你歪着头看手电筒，光斑就照不到你的眼睛里。

论文做了什么：他们建立了一个模型，模拟不同风速下无人机的晃动程度（叫 Dryden 模型），并计算这种晃动会导致多少光信号丢失。
发现：虽然无人机在风中会晃，但因为发射端用的是LED 灯（光束比较宽，像大手电筒），而不是激光（光束很细，像激光笔），所以即使无人机晃一点，大部分光还是能照进去，系统依然很稳定。

核心成果：这个系统能行吗？

科学家们通过超级计算机进行了数百万次的“光子模拟”（就像在电脑里发射了无数颗虚拟的光子弹），最终得出了结论：

可行性：完全可行！即使在有风（风速高达 13 米/秒，相当于强风）的情况下，只要是在晚上（避免阳光干扰），这个系统也能在水下 47 米的深度，以每秒 1 兆比特的速度（大概相当于发一张高清照片的速度）把数据传给无人机。
关键装备：
- 发射端：普通的 LED 灯（便宜、不伤海洋生物）。
- 接收端：一种叫SiPM的超级灵敏探测器（就像一只在黑暗中能数清每一只萤火虫的“超级眼睛”）。

总结

这篇论文就像是为未来的“海洋物联网”绘制了一张精密的导航图。它告诉我们：虽然大海表面波涛汹涌、气泡乱飞、无人机随风摇摆，但只要选对设备（宽光束 LED + 超级灵敏接收器）并算好数学账，我们就能实现从深海到天空的“光之快递”，从而在不打扰海洋生态的情况下，高效地监控珊瑚礁和海洋生物。

这不仅是技术的突破，更是保护海洋生态的一把新钥匙。

这是一份关于论文《End-to-End Optical Propagation Modeling for Water-to-Air Channels under Sea Surface and UAV Effects》（海面和无人机效应下的水 - 空光信道端到端传播建模）的详细技术总结。

1. 研究背景与问题 (Problem)

应用场景：海洋生物多样性监测（特别是珊瑚礁监测）。现有的水下传感器网络需要将数据从水下传输到空中节点（如无人机 UAV），以进行高效、低成本的数据收集。
现有挑战：
- 传统方案局限：通常使用水面浮标或自主水面船（ASV）作为中继，但这可能破坏脆弱的生态系统（如珊瑚礁），且部署成本高。
- 直接水 - 空（W2A）链路难点：直接通过海面进行光通信面临复杂的信道环境。
  - 海面动态：波浪导致的光束折射、反射和强度损耗。
  - 气泡效应：波浪破碎产生的气泡群引起额外的散射和湍流。
  - 无人机不稳定性：风扰导致无人机姿态（俯仰、横滚、偏航）变化，引起光束对准误差（Pointing Errors）。
  - 水下传输：吸收、散射以及浅水区粒子分布的不均匀性。
核心问题：缺乏一个能够综合考虑海面波浪（特别是近岸环境）、空气气泡分布以及无人机在风扰下姿态变化的端到端光信道模型，导致难以准确评估 W2A 链路的性能。

2. 方法论 (Methodology)

论文提出了一种基于蒙特卡洛（Monte Carlo）射线追踪算法的综合信道建模框架，并结合了解析推导。

信道损耗建模：总信道损耗 $h$ 被分解为两部分：
$h = h_{\alpha} \cdot h_{MC}$
其中 $h_{\alpha}$ 是由无人机姿态引起的损耗， $h_{MC}$ 是包含水下衰减、气泡散射和海面波动的蒙特卡洛模拟损耗。
关键组件建模：
1. 水下光传播：
  - 使用Fournier-Forand (FF) 散射相位函数（比常用的 HG 函数更精确，特别是在小角度和大角度散射时）。
  - 假设浅水区（<50m）海洋湍流（温度/盐度梯度）可忽略，基于新喀里多尼亚大堡礁的实测数据验证了该假设。
2. 海面界面（W2A Interface）：
  - 采用 JONSWAP 海浪谱模型。该模型引入了“涌浪参数”（Fetch, $F$ ），特别适用于近岸（如距离海岸 30km 的珊瑚礁）环境，能更准确地模拟近岸波浪特性。
  - 利用斯涅尔定律（Snell's Law）和菲涅尔方程（Fresnel equations）计算光在水 - 气界面的折射、反射及透射系数，并考虑风速对透射系数的影响。
3. 气泡效应：
  - 采用 Hall-Novarini (HN) 模型描述气泡密度随深度的分布。
  - 利用 Mie 散射理论 计算气泡对光子的散射相位函数。
4. 无人机不稳定性（UAV Instability）：
  - 引入 Dryden 湍流模型 模拟风速波动。
  - 推导了无人机偏转角 $\alpha_{UAV}$ 与风速的解析关系。
  - 创新点：首次推导出了无人机偏转角概率密度函数（PDF）的闭式表达式（基于 Gamma 分布近似），并据此推导了由姿态引起的信道损耗 $h_{\alpha}$ 的解析公式。
仿真流程：
- 发射端（Tx）：水下 LED 光源。
- 接收端（Rx）：空中无人机搭载的硅光电倍增管（SiPM）。
- 算法：模拟大量光子的传播路径，统计到达接收机有效面积的光子权重，计算信道增益和误码率（BER）。

3. 主要贡献 (Key Contributions)

提出了一种针对近岸珊瑚礁监测的 W2A 光通信系统模型：专门针对浅水、近岸环境进行了优化。
构建了综合信道建模框架：
- 结合 JONSWAP 模型（近岸海浪）、HN 模型（气泡分布）和 Mie 理论（气泡散射）。
- 首次将无人机在风扰下的姿态变化纳入光通信链路分析。
推导了无人机姿态引起的信道损耗闭式解：基于 Dryden 模型，给出了无人机偏转角及其导致的信道损耗的概率密度函数，无需完全依赖数值模拟即可评估姿态影响。
端到端性能评估：分析了不同风速、发射/接收参数（如 LED 发散角、接收机视场角、深度）对链路性能（BER）的影响，验证了系统的可行性。

4. 实验结果与发现 (Results)

无人机稳定性影响：
- 在风速 $U_{10}=5$ m/s 和 $13 $m/s 下，无人机倾斜角的标准差分别为$ 0.479^\circ $和$ 3.04^\circ$。
- 由于使用了 LED（具有较宽的发散角），无人机姿态引起的额外损耗在所选平台上相对较小（可忽略不计）。如果使用激光二极管（LD），这种影响将显著增加。
风速与海面影响：
- 风速增加导致波浪高度和波长增加，以及近表面气泡密度增加，显著降低了平均信道增益。
- 例如，风速从 0 增加到 13 m/s，平均信道增益从约 $1.58 \times 10^{-5}$ 降至 $1.32 \times 10^{-5}$ 。
- 有趣的是，在较低风速（5 m/s）下，由于波浪周期短，信道增益的时间波动性（衰落）反而比高风速下更剧烈。
系统参数影响：
- LED 发散角：增加发散角会显著降低平均信道增益（例如从 $10^\circ$ 增加到 $60^\circ$ ，损耗增加超过 14 dB），因为更多光子散射到接收机视场外。
- 发射深度：深度增加导致吸收和散射增加，且光束在界面处扩散更大，接收效率下降。
- 接收机高度：增加无人机高度会增加空气传播距离和姿态影响，降低增益。
端到端性能（BER）：
- 在夜间（无背景光噪声）条件下，使用 SiPM 接收机。
- 对于 1 Mbps 的数据率，在风速高达 13 m/s 的情况下，系统可在 47 米 深度实现可靠的通信（BER 低于前向纠错 FEC 极限 $2 \times 10^{-3}$ ）。
- 对于 5 Mbps 和 10 Mbps，最大传输深度分别降至约 43 米和 36 米（无风情况），风速增加会进一步缩短距离。

5. 意义与结论 (Significance)

可行性验证：证明了利用 W2A 光通信进行珊瑚礁监测是可行的。即使在恶劣的海况（13 m/s 风速）和较深的水下（47 米），通过合理选择 LED 和 SiPM 组合，仍可实现 Mbps 级的数据传输。
生态友好：该方案无需部署可能破坏珊瑚礁的水面浮标或昂贵的 AUV，提供了一种非侵入式的数据回传手段。
设计指导：研究结果强调了在系统设计中选择合适的光束发散角（平衡对准容差和接收功率）以及考虑近岸特定海浪模型（JONSWAP）的重要性。
理论贡献：提出的无人机姿态损耗闭式解为未来光通信链路预算分析提供了重要的理论工具，特别是在涉及移动平台（如无人机、船只）的通信系统中。

总结：该论文通过建立高精度的物理层模型，解决了水 - 空光通信中复杂的环境因素建模难题，为海洋物联网（IoUT）在珊瑚礁等敏感生态区域的实际应用提供了坚实的理论依据和设计指南。