Diminution du bruit dans les transmissions acoustiques sous-marines à l’aide de réseaux de neurones profonds

La précision et la fiabilité des communications et des transmissions océaniques sont affectées par de nombreuses sources de distorsion offshore et de bruit de fond. La diminution de ce brouillage dans les transmissions océaniques dépend du processus d’estimation du canal ou de l’évaluation des caractéristiques de fond du canal qui peuvent déformer ou interférer avec le signal reçu. La modélisation récente a amélioré les performances d’estimation des canaux à l’aide de réseaux de neurones profonds et amélioré le débruitage des transmissions océaniques.

Des scientifiques de l’Université de Xiamen et de l’Université de Witwatersrand ont conçu un nouveau modèle utilisant l’apprentissage automatique pour mieux caractériser les interférences des canaux acoustiques sous-marins (UAC) et améliorer la précision des transmissions océaniques et offshore.

Il est important de noter que le modèle d’apprentissage en profondeur facilite la détection d’interférences rares ou rares dans les canaux malgré la présence d’autres interférences plus courantes telles que le bruit ambiant, ce qui n’était pas possible avec les modèles de débruitage traditionnels. Ce faisant, les chercheurs ont modélisé plus précisément les interférences de canal et amélioré les performances d’estimation de canal, augmentant ainsi la précision des transmissions sous-marines dans un environnement exceptionnellement difficile.

L’équipe a publié ses conclusions dans Réseaux intelligents et convergés.

« L’obtention efficace des caractéristiques clairsemées des canaux acoustiques sous-marins est très importante pour … les performances d’estimation des canaux et donc la fiabilité de transmission du système », a déclaré Sicong Liu, premier auteur de l’étude de recherche et professeur associé à l’École d’informatique de l’Université de Xiamen. .

« Ce document propose une approche basée sur l’apprentissage parcimonieux basée sur un modèle avec une capacité de débruitage, ce qui représente un effort significatif vers une transmission sous-marine fiable dans des environnements océaniques difficiles », a déclaré Liu. L’amélioration des transmissions sous-marines améliorera non seulement la communication sous-marine, mais également la précision de la science et de la surveillance océaniques et l’efficacité de l’acquisition des ressources marines.

Le nouveau modèle de débruitage de l’équipe de recherche permet d’estimer plus efficacement les formes d’interférences moins courantes qui se produisent dans les environnements marins en tirant parti de l’apprentissage automatique.

« La méthode proposée intègre un débruiteur dans… des réseaux de neurones profonds basés sur des modèles et conscients de la parcimonie, ce qui permet d’apprendre les caractéristiques clairsemées du canal acoustique sous-marin en présence d’un bruit intense. Par rapport aux réseaux traditionnels non basés sur l’apprentissage , anti-interférence ou anti-bruit, les méthodes proposées ont de meilleures performances d’estimation de canal », a déclaré Liu.

Il est important de noter que le mouvement et la mobilité de l’émetteur-récepteur ou du récepteur et le bruit ambiant ne sont que quelques-uns des facteurs qui peuvent contribuer aux interférences subies dans les environnements sous-marins.

Liu et son équipe recherchent des moyens supplémentaires de réduire le bruit des canaux grâce à une meilleure estimation des canaux. À plus court terme, de nouveaux modèles d’apprentissage automatique de transformateurs pourraient améliorer l’estimation des canaux en programmant des fonctions d’auto-attention capables de considérer indépendamment l’importance des données entrantes.

Cette fonction peut être particulièrement utile pour les canaux en proie à une variation temporelle des signaux transmis ou reçus, ce qui est courant dans les environnements sous-marins. Les signaux transmis à partir d’une seule source peuvent emprunter de nombreuses voies avant d’atteindre un récepteur particulier, rebondissant sur la surface de l’eau ou le fond de l’océan, modifiant le chemin, la force du signal et le temps nécessaire pour atteindre un récepteur. Des modèles acoustiques marins supplémentaires pourraient également être envisagés avec des données supplémentaires et des tests environnementaux.

En fin de compte, les auteurs de l’étude envisagent un système conçu pour intégrer l’apprentissage automatique des deux côtés des transmissions afin de résoudre le plus précisément le problème d’interférence de canal. « Nous pourrions vouloir concevoir un système de transmission acoustique sous-marine de bout en bout, activé par l’IA, qui traite non seulement l’estimation des canaux à l’aide d’approches d’apprentissage comme le modèle décrit… dans cet article, mais résout également l’ensemble de la tâche de transmission basée sur l’émergence. techniques d’IA », a déclaré Liu.

Idéalement, les modèles d’apprentissage automatique, s’ils sont correctement conçus, seront capables de distinguer indépendamment le signal du bruit et de débruiter les transmissions grâce à une estimation de canal autonome et précise.