Next-generation UOWC enabling high-speed and secure RGB image transmission using IRSM-OCDMA with PSO-based image enhancement
Notice bibliographique
Résumé
Underwater Optical Wireless Communication systems face severe signal attenuation, scattering, and turbulence, which significantly degrade image transmission quality and limit the communication range. To address these challenges, this paper proposes a secure and high-capacity RGB image transmission framework based on Optical Code Division Multiple Access (OCDMA) using Identity Row Shift Matrix (IRSM) codes. The IRSM-OCDMA scheme enhances data confidentiality by assigning unique orthogonal codes to each user while supporting simultaneous multiuser transmission with an aggregate rate of up to 30 Gbps. System performance is analyzed across five water types: Pure Seawater (PS), Clear Ocean, Coastal Ocean, Harbour I, and Harbour II (HR II), covering a broad range of attenuation coefficients. Image quality is quantitatively evaluated using standard metrics including Root Mean Square Error, Signal-to-Noise Ratio, Peak Signal-to-Noise Ratio, Structural Similarity Index Measure, and Correlation Coefficient. Two distinct post-processing methods are applied: median filtering for impulsive noise reduction and a Particle Swarm Optimization-based correction algorithm that adaptively restores image features under underwater channel conditions. Simulation results show a maximum transmission distance of 27 m in PS and 4 m in turbid HR II water, demonstrating the effectiveness of the proposed framework. The combination of IRSM coding with adaptive post-processing offers a robust solution for secure, high-quality image transmission in Internet of Underwater Things applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».