La recherche sur les méthodes adaptatives et d'apprentissage profonde pour l'estimation des canaux acoustiques sous-marins

The research on adaptive and machine learning methods in underwater acoustic channel estimation

• Auteur / Autrice : Yonglin Zhang
• Direction : Fabrice Mériaudeau
• Type : Thèse de doctorat
• Discipline(s) : Instrumentation et informatique de l'image
• Date : Soutenance le 10/11/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Imagerie et Vision Artificielle (ImVia) (Dijon)
• Partenaire(s) de recherche : Etablissement de préparation : Université de Bourgogne (1970-....)
• Jury : Président / Présidente : Jérôme Mars
• Jury : Examinateurs / Examinatrices : Chao Li
• Jury : Rapporteurs / Rapporteuses : Dro Désiré Sidibé, Jean-Pierre Cances

Mots clés

Mots clés contrôlés

Ondes sonores

Mer

Apprentissage automatique

Mots clés libres

Communication acoustique sous-Marine

Estimation du canal

Traitement adaptatif du signal

Apprentissage automatique

Underwater acoustic communication

Channel estimation

Adaptive signal processing

Machine learning

Résumé

L'océan couvre plus de 70 % de la surface de la terre, qui fournit de riches ressources biologiques, chimiques, minérales et spatiales pour le développement de la civilisation humaine. La cause de la gestion de l'océan est stratégiquement important pour notre développement économique et notre sécurité nationale. L'onde acoustique est le porteur le plus utilisé et le plus mature connu par l'humanité pour transmettre d'informations sous-marines. La technologie de communication acoustique sous-marine (UWA) est l'un des principaux supports techniques pour mener à bien diverses activités marines, mais elle est confrontée à la complexité de l'environnement marin, notamment en termes de perte de propagation, de bruit environnemental UWA, de caractéristiques de propagation par trajets multiples, d'expansion Doppler, d'effets de variation spatiale et temporelle et d'autres sujets scientifiques, ce qui freine les améliorations des performances du taux d'erreur binaire (BER), du débit de communication, de la distance de communication, de la robustesse et d'autres indicateurs. Le niveau actuel de développement de la technologie de communication UWA ne répond pas aux besoins des applications pratiques.L'estimation du canal est un moyen technique qui est efficace pour résoudre les problèmes liés à l'effet des trajets multiples et aux caractéristiques de variation spatio-temporelle. Récemment, les succès des méthodes adaptatives et l'apprentissage profonde dans plusieurs domaines ont apporté de nouvelles opportunités pour le développement de la technologie d'estimation de canal UWA, mais ont également soulevé de nouveaux problèmes techniques, tels que l'utilisation des caractéristiques de la structure du canal, apprentissage avec la rareté de l'échantillon, apprentissage avec de l'absence d'étiquettes, le décalage du domaine causé par les changements environnementaux. Ces problèmes limitent sévèrement l'efficacité et l'applicabilité de la nouvelle méthode, et il est difficile de bien utiliser la forte capacité d'extraction d'information appropriée.Basée sur la frontière de l'océan intelligent et de la science de l'information marine, cette thèse se concentre sur les problèmes scientifiques de la communication UWA dans un environnement marin complexe selon les besoins de développement de la stratégie marine nationale, et a pour objective de développer techniques de pointe pour résoudre les problèmes rencontrés par les méthodes adaptatives et d'apprentissage profonde appliqué à l'estimation des canaux, tels que l'analyse des caractéristiques de sparsité des grappes de canaux, les données limitées, l'absence d'étiquettes, la différence entre les domaines, etc. Nous avons exploré le mécanisme des méthodes adaptative et l'apprentissage profonde pour d'estimation des canaux et avons finalement proposé plusieurs nouvelles méthodes d'estimation des canaux basées sur le traitement adaptatif du signal et l'apprentissage profonde.

The ocean covers more than 70% of the earth, which provides rich biological, chemical, mineral and space resources for the development of human civilization. The cause of managing the ocean is of strategic importance to our economic development and national security. Acoustic wave is the most widely used and mature underwater information transmission carrier known to mankind. Underwater acoustic (UWA) communication technology is one of the main technical supports to carry out various marine activities, but it is challenged by the complex marine environment, specifically in terms of propagation loss, UWA environmental noise, multipath propagation characteristics, Doppler expansion, spatial and temporal variation effects and other scientific issues, which restricts the improvements of the bit error rate (BER) performance, communication rate, communication distance, robustness and other indicators. The current level of development of UWA communication technology is difficult to fully meet the needs of practical applications.Channel estimation is an effective technical means to solve the problems of multipath effect and temporal- spatial variation characteristics. Recent breakthroughs in adaptive methods and machine learning in various fields have brought new opportunities for the further development of UWA channel estimation technology, but also raised new technical problems, such as the use of channel structure characteristics, sample scarcity training, label missing training, domain mismatch caused by environmental changes. These problems make the effectiveness and applicability of the new method seriously restricted, and it is difficult to bring out the proper information sensing ability.Based on the frontier of intelligent ocean and marine information science, this thesis focuses on the scientific problems of UWA communication in complex marine environment according to the development needs of national marine strategy, aims at the key technical problems faced by adaptive and machine learning channel estimation methods, such as analysis of channel cluster sparsity characteristics, limited data, label missing, domain mismatch, etc., and introduces optimization methods, neural network model design and analysis, data augmentation methods, transfer learning and other recent academic results. We have explored the mechanism of adaptive and machine learning based channel estimation methods and finally proposed a series of new methods for channel estimation based on adaptive signal processing and machine learning.