人工智能驱动的自适应通信,用于节能水下声学传感器网络
A Ur Rehman1, Laura Galluccio1, Giacomo Morabito1
1Dipartimento di Ingegneria Elettrica Elettronica e Informatica (DIEEI), University of Catania & CNIT, Viale A. Doria 6, 95125 Catania, Italy.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
本研究介绍了水下声学传感器网络的AI框架,以提高海洋野生动物监测的能源效率. 通过在本地处理数据和调整传输,它减少了能源使用和环境影响.
科学领域:
- 海洋生物学 海洋生物学
- 传感器网络 传感器网络
- 人工智能的人工智能
背景情况:
- 水下声学传感器网络 (UASN) 对于海洋监测至关重要,但面临的挑战包括有限的带宽,高延迟和能源限制.
- 现有的UASN在能源效率方面扎,影响网络生存能力,可靠性和运营成本.
- 可持续和节能的UASN设计对于有效的海洋野生动物监测至关重要.
研究的目的:
- 提出人工智能 (AI) 驱动的框架,以提高UASN在海洋野生动物监测中的能源效率和可持续性.
- 将智能计算集成到传感器节点中,用于当地海洋物种的分类.
- 通过仅发送分类结果来减少数据传输量和能源消耗.
主要方法:
- 开发了一个以人工智能驱动的框架,使用轻量级的人工智能模型来对传感器节点进行本地物种分类.
- 实施了软件定义无线电 (SDR) 方法,用于动态调整传输参数 (调制,数据包长度,功率).
- 通过使用GNU Radio模拟来评估框架的有效性,分析能源消耗,位错误率,吞吐量和延迟.
主要成果:
- 与原始数据传输相比,仅传输分类结果显著减少了数据量和节省了能源.
- 与固定参数传输解决方案相比,自适应传输策略显示能耗降低.
- 该框架有效平衡了能源效率,网络性能和生态影响.
结论:
- 拟议的AI驱动框架提高了UASN用于海洋野生动物监测的能源效率和可持续性.
- 当地数据处理和自适应传输是减少能源消耗和环境破坏的关键.
- 这项研究有助于开发可持续和节能水下无线传感器网络.
