海水浓度对蓝绿激光通信的影响分析

海水浓度对蓝绿激光通信的影响分析
王菲;姬冠妮
【摘要】通过分析波长530 nm激光在不同海域中海水光学信道中的光学特性,利用蒙特卡洛法模拟海水信道的传输过程,对接收机在不同海水水质参数和任意位置下接收功率的变化关系进行了蒙特卡洛模拟仿真,并利用平顶高斯函数对此仿真结果进行了拟合和对比分析,得到了蓝绿激光不同海水浓度和任意接收位置与接收功率之间的关系,即海水信道无线激光仿真传输模型.利用此模型可以快速得到在固定传输距离下不同海水水质参数任意接收位置下的接收光功率,为水下无线光通信系统设计提供了有价值的参考数据.
【期刊名称】《通信电源技术》
【年(卷),期】2019(036)007
【总页数】3页(P150-152)
【关键词】衰减特性;蒙特卡洛仿真;平顶高斯拟合;蓝绿激光;传输模型
【作者】王菲;姬冠妮
【作者单位】西安交通工程学院,陕西西安 710300;西安交通工程学院,陕西西安710300
【正文语种】中文
0 引言
随着水下通信技术在水下捕捞、探测以及安防等领域的广泛应用，水下通信技术已
成为当前水下信息获取的关键技术。

当前，海水通信采用的声学通信方法由于传输速率低、可用带宽有限等缺陷应用受限，而光学通信技术可以克服这些缺陷。

由于蓝绿光工作频率高、方向性好且抗干扰能力强[1]，在海水中传输时比其他光衰小等优点，使得蓝绿激光通信技术在海水通信中具有巨大的研究价值。

但是，由于海水成分的复杂性，蓝绿激光的传输在一定程度上受海水信道的影响。

当前研究大都处于海水信道的理论传输模型和蒙特卡洛仿真分析阶段。

美国林肯实验室的Andrew.S[2]采用蒙特卡洛模拟法仿真海水的散射环境，得到通过使用窄光束光源可获得Gb/s速率的水下通信系统的理论分析。

目前的研究结果均未涉及接收机接收位置与接收功率之间的对应关系，由此可知海水信道没有一个较完善的模型，无法准确进行信道估计，从而对水下光通信系统的设计产生了影响。

1 理论分析
1.1 海水信道光学特性
对于海水中成分的研究，主要研究其两种重要的光学特性：一是海水成分对光的吸收作用；二是其对光的散射作用[3]。

同时，这两种光学性质会影响光在水下的传输特性，因此海水中的总衰减为吸收和散射这两种作用导致的衰减之和。

本文涉及到的这几种海水成分对光学特性有着重要影响，分别为海水水分子、浮游植物、非色素悬浮微粒和黄色物质[4-5]。

其中，海水的总衰减系数c为：
式中，cw(λ)表示海水水分子的衰减系数；cf (λ,chl)表示浮游植物衰减系数，与浮游植物含有的叶绿素a浓度chl有关；c1(λ,D)表示非色素悬浮微粒的衰减系数，其中非色素悬浮微粒的散射系数与浓度D有关，而吸收系数与其浓度无关[6]；ch(λ)代表黄色物质的吸收系数，黄色物质对光只有吸收作用，而无散射作用。

由于海水中浓度的不同，对于海水信道的模拟分析一般被分成3类：第Ⅰ类海水为远洋海域海水，第Ⅱ类海水为近海海域海水，第Ⅲ类海水为海湾海域海水。

本文
对这3类海水的光学特征参数的研究采用的是Petzold的测量值[7]。

Petzold测
量的水质参数如表1所示，表1中a为海水的吸收系数，b为海水的散射系数，c 为海水总衰减系数。

表1 三类海水Petzold测量的水质参数 /m-1海水类型 a b c远洋（Ⅰ） 0.114 0 0.037 4 0.151 4近海（Ⅱ） 0.179 0 0.220 0 0.399 0海湾（Ⅲ） 0.366 0 1.182 9 2.159 0
参照表1的水质参数，选取第Ⅰ类海水的总衰减系数c(λ,chl,D)=0.204 7m-1，其中叶绿素a的浓度chl=0.03 mg/m3，非色素悬浮微粒浓度D=0.01mg/L；第Ⅱ类海水的总衰减系数c(λ,chl,D)=0.463 4m-1，其中叶绿素a的浓度chl=0.3
mg/m3，非色素悬浮微粒浓度D=0.8 mg/L。

由于第Ⅲ类海水的衰减系数c很大，导致文中的蒙特卡洛模拟仿真时间过长，因此为了减少仿真时间。

本文选取第三种海水为叶绿素a浓度为北黄海近海域的全年平均浓度chl=5 mg/m3、非色素悬浮微粒浓度D=1 mg/L[8]的水质参数，此时海水总衰减系数c(λ,chl,D)=1.204 7m-1。

1.2 海水信道蒙特卡洛仿真原理
蒙特卡洛模拟法是把激光看作一系列的光子，然后追踪每个光子的运动状态，最后利用追踪到的光子的统计分布表示激光的分布特征[9-10]。

由于海水中微粒的分布状态完全随机，所以利用蒙特卡洛方法模拟仿真时，运动状态的光子会与海水中存在的微粒发生随机碰撞。

光子的模拟过程如下[11]。

（1）光子的产生。

本文的蒙特卡洛模拟仿真过程中，将激光器发射的光源看成是点光源。

本次仿真过程中发射端的发射光功率为-7 dBm，即发射光子数接近106个。

（2）光子的传输过程。

光子传输一定距离dm后到达散射点。

随机步长可表示为式中r代1表[0，1]间均匀分布的随机数，c表示海水总衰减系数。

（3）下一个碰撞点位置。

仿真中假设光子经历了m次碰撞，下一个碰撞点表示
为rm+1，则其下一个碰撞点的位置通过dm表示，碰撞后的位置状态为：
（4）碰撞后的运动方向。

由于水中的颗粒直径与光波长的关系为r/λ≈1，遵循
Mie散射理论，散射特性可用体积散射函数β(θ)描述，本文采用H-G函数的体积散射函数为：
式中，g 为散射余弦的平均值，g=〈cosθ〉=0.924[12]，则散射后光子的散射方向(φm,θm)可由式（4）决定。

式中，θm表示光子的散射角，它是由光在水下的散射特性决定的；φm为方位角；r2、r3分别为[0，1]间均匀分布的随机数，则光子碰撞后的方向矢量可表示为：
若光子在模拟仿真过程中的运动方向非常接近z轴，则新的方向可表示为：
（5）碰撞后的权值。

光子在模拟仿真过程中碰撞后的权值可表示为
Wm+1=Wm·ω0[13]，式中ω0为海水中散射系数b与总衰减系数c的比值。

2 海水信道仿真及拟合分析
文中采用波长为530 nm激光作为发射光源。

为避免本次仿真时间过长，本文选
取模拟仿真的发射光功率Pt=-7 dBm，发射角θ=0.78 mrad，光传输距离是1 m，且采用形如平顶高斯函数对蒙特卡洛仿真结果进行拟合，即通过修正平顶高斯函数中的参数N和b实现拟合。

通过平顶高斯函数拟合后的曲线如图1所示。

由图1可知，随着海水杂质浓度的增加，光斑中心位置接收功率逐渐减小，光斑
逐渐扩展但是扩展不明显。

从接收光斑的波形来看，仅仅是接收面的光功率的平坦
度有明显改变，说明海水水质参数的变化在一定区域内将影响接收机的接收范围。

3 海水信道无线激光传输模型的建立与分析
3.1 激光传输模型的建立
利用平顶高斯函数拟合的海水中的激光传输功率与传输距离及任意位置关系的表达式即海水信道无线激光的传输模型：
式中，x表示接收点距离光斑中心位置的偏差值，y是接收端的接收功率，d是激光传输距离，c是海水衰减系数。

3.2 激光接收功率与接收机接收位置的对比关系
在无线激光传输仿真模型中，当选取不同的海水水质参数，海水总衰减系数分别为c=0.204 7 m-1、c=0.463 4 m-1、c=1.240 7 m-1时，可计算出接收机在不同光子位置时接收功率值，见表2。

表2 接收机在不同位置时的功率值c/m-1 0.02 0.04 0.06 0.204 7 -26.35 -26.55 -32.58 -49.41 0.463 4 -27.17 -27.3 -31.3 -41.44 1.240 7 -28.63 -28.71 -32.58 -49.42 x(m)/dBm 0
从表2可以得出，利用无线激光传输仿真模型可以得到接收机在任意位置的功率衰减值，而理论传输模型并未体现出接收光功率随光子位置变化的关系，因此无线激光传输模型弥补了理论传输模型的不足。

图1 海水中光传输接收的光功率与光斑位置拟合曲线
4 结论
通过对不同水域海水特性进行分析与仿真，得到海水不同水质条件下的激光传输特性，建立了信道的激光传输模型。

当海水中激光传输距离一定时，激光器在FOV 范围内接收的光功率主要集中在光斑中心附近位置；当激光器远离光斑中心附近位置后，光斑快速扩展，功率快速下降。

固定接收机在光斑的某一位置，当传输距离
和海水浓度确定时，可利用激光传输模型得到接收机在光斑中任意位置的相对接收功率，从而为水下蓝绿激光传输系统设计提供参考依据，弥补了海水信道理论传输模型的不足。

【相关文献】
[1] 孙建锋.天地一体化信息网络激光通信系统发展设想[J].电信科学，2017，（12）：18-23.
[2] GABRIEL C，KHALIGHI M A，BOURENNANE S.Monte-Carlo-Based Channel Characterization for Underwater Optical Communication Systems[J].IEEE Journal of Optical Communications and Networking，2013，5（1）：1-12.
[3] RAYMOND C，SMITH，KAREN S B.Optical Properties of the Clearest Natural
Waters[J].Applied Optical，1981，20（2）：177-184.
[4] 杨顶田，曹文熙，杨跃中，等.珠江口水体的光学特征及分析[J].生态科学，2004，23（1）：1-4.
[5] HICKMAN G D，HARDING J M，CARNES M，et al.Aircraft Laser Sensing of Sound Velocity in Water：Brillouin Scattering[J].Remote Sens. Environ，1991，（36）：165-178.
[6] ROESLER C S.Theoretical and Experimental Approaches to Improve the Accuracy of Particulate Absorption Coeff i cients Derived from the Quantitative Filter
Technique[J].Limnol.Oceanogr，1998，（43）：1649-1662.
[7] WERMER C，STRICHER J，HERRMANN H，et al.Multiple-Scattering Lidar Experiments[J]. Optical Engineering，1992，（31）：1731-1745.
[8] 刘述锡，孙钦帮，陈素梅，等.北黄海近岸海域叶绿素a浓度季节分布特征[J].海洋环境科学，2011，30（4）：528-532.
[9] YURI I K，VICTOR I F，ALEXEY S.Mathematical Modeling of Input Signals for Oceanographic Lidar Systems[J].SPIE，2003，51（55）：30-39.
[10] EUGENY P S，VALERY V puter Simulation of Light Propagation in a Multi-Lager Biological by Monte-Carlo Method[J].SPIE，2000，（40）：317-326.
[11] 杜竹峰，卢益民，杨宗凯，等.海洋激光雷达接收信号的Monte Carlo计算[J].中国激光，1991，26（6）：430-433.
[12] WERNER C，STREICHER J，HERRMANN H，et al.Multiple-Scattering Lidar Experiments[J].Optical Engineering，1992，31（12）：1731-1745.
[13] POOLE L R，VENABLE D D，CAMPBELL J W.SEMIANALYTIC Monte Carlo Radiative
Transfer Model for Oceanographic Lidar System[J].Appl Opt，1981，20（20）：3653-3656.。