Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   3 ,  June   2020 ,  pp.  2944 ~ 2950   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v 10 i 3 . pp2944 - 29 50           2944       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Perform ance ana lysis of  bio - S ignal  processi ng in oc ean   Envir onment usi ng soft c ompu ting techni qu es       N.   R.   Krishn am oorth y, Im man uel  Rajku mar ,  Jerr y Al exander ,  D.   M arsh i ana   Sath y aba m a  I nstit ute of  Sc ie n ce  and  T ec hnolo g y ,   India       Art ic le  In f o     ABSTR A CT   Art i cl e hist or y:   Re cei ved   Ma r   23 , 201 9   Re vised  Dec   1 2 ,   20 19   Accepte d  J a n 8 , 2020     W ire le ss   communic a ti on  has  bec om e  an  essential  technolo g y   in  ou r     da y - to - da y   li fe   both  in  ai r  a nd  wate r  m edium .   To  m onit or  the   health   par amete r  of  hu m an  begi ns,  adva nce m ent   t ec hn i ques  li ke  int ern e t  of  thi ngs  is  evol ved .   But  to   ana l y z e  under wate r  l ivi ng  or gani sm s  hea lt h  par amete rs ,   rese arc h ers  find ing  diffi cu lt i es  t o  do  so.  The   re ason  behi nd  is  under wate r   cha nne ls ha s dra wbac ks l ike   sign al   degr ad ation  due  to  m ult ipa th  p ropa gation ,   seve re  ambient   noise  and  Atte n uat ion  b y   bo tt o m   and  surfac e  loss.  In  thi s  pape r  Artificial  Neura l  Network s  (AN N)  is  u sed  to  per form   dat a  tra nsfer  in   wate r  m edi um .   A  sam ple   EE G  s igna l  is  gen era t e d  and  tr ai n ed  wi th  2  and   20   hidde n  l a y ers.  Sim ula ti on  resul t  sh owed  th at   e rror  fre e   comm unic a ti on  is  ac hi eve d  wi th  2 0  hidde n  lay e rs  at   10th   itera ti on.   The   propos ed  a lgori thm  is   val id at ed   using  a  re al   t ime  wat ermark  tool box .   Two  diffe r ent   m odula ti on   sche m e  was  app li ed  al ong  wi th  AN N.  In  the   firs t  sce na rio,  the  E EG  sign al   is  m odula te d  usin g  convol uti on   code   and  d ec o ded  b y   Vite rb i   Algorit hm .   Multi ple x ing  te c hnique   is  appl ied  in  the   sec ond  sce nar io .   It  is  observe d  that   ene rg y   l evel  in  t he  orde r  of   40  d B  is  req uir ed  fo r  le ast   err or  r ate .   It  is  al so  evi den t  from   sim ula ti on  r esul t  t hat   m axi m um   of  5%  CP   ca n  b e  m ai nta in ed  t o   at t ai n  the l e ast M ea n  Square   Er ror.   Ke yw or d s :   Feed - f orward  neural  netw ork   Gr a dient   Hidden   la ye r   Me an  s qu a re e rror   Mi cro - orga nis m     Waterm ark     Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cien ce .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   N.  R.  Krish na m oo rthy,   Dep a rtm ent o f El ect rical  an d I ns tr um entat ion  Enginee rin g,   Sathya bam a Insti tute of   Scie nc e an d  Tec hnol og y,   Ra j iv  Ga ndhi  Sala i, Sholi nga nallur , Ch e nna i, Tam i lnadu,  I nd ia .   Em a il :  kr ishn a m o or thy.eni@ sat hyabam a.ac.in       1.   INTROD U CTION   W i reless  c omm un ic at ion   ha s  beco m e  an  e ssentia l  te chno log y  in  our  da y - to - day  li fe  in  un der   a nd  above  t he  gro und  le vel.  B ut   there  is  dif f eren ce   in  dat a  transm issi o n  in  unde rw at e r  a nd  ai r  m e diu m .   Data  tra ns m iss ion  in   unde r wa te r  can   be  done   by  ac ousti c  wav e s  rather  t han  Ele ct r om a gn et ic   wa ves  [ 1],  since  it   la cks  in   the  l ong  ra ng e   pr opagati on.  U nd e r water  c omm un ic at ion   has  few  draw bac ks   [2,   3]  c om par ed  t o  ai r   m edium   su ch  as  m ulti path  pro pa gation  [4 ] ,   Atte nu at io n  f act or ,  S ig nal  losses  [5 ]   an d  Li m it ed  Ba nd width.   Re searche rs  [ 6]  showe d  t ha t  the  ba ndw idth  of  a n  unde r water  c ha nn el   is  direct ly   pr op or ti on al   t o     the  tran sm issi o n  dista nce  a nd   it s  achievable  data  rate  is  1  kbps  f or   l ong  ra ng e  ( 50   km s)  and   10  kbps   for   shor t   range  of   few  km s  [7 ] .  In  [ 8,   9],  a utho r  desi gn e d  a n  op ti cal   powe r  sp li tt er  f or   unde rw at er  wi reless   com m un ic at ion   a pp li cat ion.   A  m ic ro struc ture  Ga N  se m ic on duct or  was  dev el ope d  by  Me ta l - orga nics  Chem ic a l Deposit ion m et ho d. T he  re su lt  s howe d  im balanc e loss o f 0. 17 dB .   In   [10 ] ,  un derwate r  bi directi on al   c omm un i cat ion   us i ng  L ED  wa s  carrie d  out  by  the  a ut hors.   Vo lt ag e   le vel  of  3.4 6  volt s  is  require d  for  the  t ran sm issi on   of   data  f ro m   transm i tt e r  to  receive r.   O n  an ot her   si de,  a  4.2   vo lt s  is  need e d  fo r  rec ei ver   t o  captu re  the   data.  Usi ng   s uc h  a  vo lt age  le vel  will   cause  har m fu l  to  the  li vin g  orga nism ,  hen ce  researc hers   can  av oid   us i ng   L ED  s ourc e  and   go  f or   a coust ic   sign al   as  a  com m un ic at ion   pur po se .  L ot  of  m od er n  c od i ng  te ch niques  are  a pp li ed   f or  unde r water  c omm un ic at ion .   A  Re l ia bili ty   Level   L ist  b ased  dec od i ng  al gorith m  [ 11 ]  is app li ed  to an   A WGN ch a nnel  an d at ta ined  an  BE R i n  the o r der   of   10 - 4.  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8 708       Perf orma nce  analysis  of  bio - Signa l  processi ng in   oce an   E nv ironme nt   us i ng …  (   N.  R. Kri sh na moort hy )   2945   The  al gorithm   was  te ste d  on  Sing le   I nput  Sing e  Ou t pu t  (S I SO)  cha nne l  al on e.  To  e nhance  the  ba ndwi dth   util iz at ion  of t he recei ve r,   res e arch e rs wil l m ake u se  of R ake  receive r.     In   [ 1 2 ] ,  auth or  us e d  Con ti nu ous  W a velet   Tr ansfo rm   a lon g  with  Ra ke  rece iver.   It  was  te ste d  for  bot h  li ne  of   sig ht  an d  no n - li ne  of  si gh t  c ha nn el s  w it h  dif fer e nt  dB   le vels.  The   di sta nce  betwee n  the  tra ns m it t er  an d  rece iver  m ai ntained  is  ab ou t   4  m et ers  resul ts  in  the  BER  in  the  order   of  10 - 3.   MIM O - OFDM  syst em   was  i m ple m ented  by  the  a uthor   for   Ra yl ei gh  and  Ri ci an  Chan nel  [ 13 ] .  Enc od i ng  w as  done  by  OFDM   te chn iq ue  [ 14 - 16 ]   with  CP  a nd  in  t he  recei ve r  sect io n  LM S  an d  RLS  al go rithm   was  de velo ped  an d  e r ror  rate   is  cal culat ed.   Fo r   ap plica ti on  li ke  ocea n  po ll utio n  m on i toring,   in du st r ia l  sensing  a nd  disaste r  pr e ven ti on   pur po se ,  an  U nder wa te r  A co ust ic   Sens or  Net works  [ 17 ]   wa s  desig ned.  RF   sign al   al ong  w it h  Zigb ee  w as   us ed  for  point  to  po int  com m un ic a ti on .  Ot her   te c hn i qu e s  li ke  turbo  eq ualiz at ion   [ 18 ] ,  L ow   D ensity   Parity   C hec k  Cod es  [ 19 ] ,  Sp ace  Fr e quenc y  Bl ock   cod in g  [20 ]   and   De ci sion   Feed bac k  Eq ualiz er  [ 21,  22]   are  appl ie d  t o    the un derwate r  ch a nn el .   In   t he  fiel d  of  sci ence  an d  i ndus t ry,  m od er ni zi ng   is  ca rr ie d  out   by  m eans  of   s ens or  net w orks  [23 ]   to   m on it or   the  i ndus tria l  a pp li cat ion s  [24],  m ic ro   ha bitat   [25 ]   an d  und e rw at er   en vir onm ental   syst e m   [26 ] .    To  locat e  a nd  rescu e  t he  victim s  in  the  s ea  ocea n,   underwate r  rob ots  [ 27 ]   ca n  be   use d.   T he  a dvan ta ge  of   us in g  r obots is  it  can  div e a nd  swim  ev en  at  dee p  sea  wh e re  hu m ans  can not do  a nd  br in gs   safety  to  the  hum an  li fe.  Ro bo ts  c oor din at e  am ong  them sel ves  to  s olv e  a   certa in  pro blem .  Wh il e  doin g  s o,   i t  is  ver y  im po r ta nt  to   see  ho w  e ff ect i ve  t he  c omm u nicat ion  is  car r ie d  ou t.   T he  da ta   transm issi on  in  unde rwat er  is  ve ry  di ff ic ul t  due  to  it s  strong  re la ti ve  m otion   of   t he  r obots.  In   t his  pa per,  so ft  c om pu ti ng  te ch niques  s uch   a s  Fee d - F orward   Neural  Netw ork  is  app li ed  to   stud y  the  perf or m ance  of   th e  underwate r  c hannel.  Sam ple  bio   EEG  sig nal  is  gen e rated  and  com m un ic at ed  from  o ne  e nd to othe r  e nd u si ng n e ural  n et w ork.       2.   RESEA R CH MET HO D   To  m i m ic   the  hu m an  ne rvo us  syst e m   and   operati on  of   bra in,  a n  A rtific ia l  Neural  Net w ork(A NN)  is  inv e nted.  F or  var ie ti es   of  A rtific ia l  In te ll igence   op e rati on  li ke   data   pr edict ion ,   patte rn  rec ogniti on   an d  cl us te rin g,   ANN  are  us e d  int ensively .  T he  basic  el em ent  in  A NN   is  pro cessi ng   el em e nt  cal le d  as  ne uro ns  wh ic h  act   si m i la r  to  the  neur al   cel ls  in  hu m an  brai n.   S ubgro up  of   th e se  neur on s  a re  re ferred  as  la ye r .ANN  com pr ise s  of  on e   in put  an d  outp ut  la ye r  with  one  or  m or e   tha n  one  hidden   la ye rs.  Ne uro ns   will   recei ve     the  sig nal  ei ther  from   ano the r  ne uro n  or  an y  oth er  e xter na l  env ir onm ent  and   it   is  passe d  thr ough  a  se ries  of   neur on s   a nd  fi nally   to  the  ou tpu t  la ye r.   In   t he  trai ni ng  sta ge,   a  set   of   i nput  an d  ou t pu t  pairs  a re  prese nted  t o  the  net work.  T he  ne tw ork  is  excit ed  with  in pu t,  t he  weig hts  of  the  eac h  ne uro ns   are  m odifie d  a nd  a n  optim al  value  are  obta ined .  A fter  that ,  act ual  inp ut  data  is  al lowe d  to  pa ss  thr ou gh   t he  netw or k  an d  outp ut  da ta   are  com pu te d  wit h  that  fixe d  wei gh ts  of   ne uro ns.   The  t ransl at ion   of  sig nals  f ro m   inp ut  to  t he   ou t pu t  res pons e  is  ref e rr e d  as   tra ns fe r  functi on  of  the  proces sing  el em ents.  The  unde rw at e r  c hannel   is  m od el e d  us in g  m irror   i m age  te chn iq ue.   T he  at te nu at ion   a nd   noise   of   t he  ocean   is  cal culat ed  usi ng   We nz  Cu r ve  an d  am bien t  no is e   form ula.  Along  with  this  f act or   the  sig na l  deg ra datio n  by  m ulti path  prop a gatio n  is  al so   con si de red.    The  ne ural   network   is  tra ine d  with  the  fou r  diff e re nt  set   of  i m pu lse   respo ns e  of  the  cha nn el .  A  sam pl e  EE G   sign al  is  ge nerat ed  usi ng MA TLAB s oft ware an d  the  p e rfo rm ance an al ysi s of  ANN  is  de te rm ined.           Figure  1. Im pulse  r es pons e  of  the c hannels   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une   2020   :    29 44   -   2950   2946   3.   RESU LT S   A ND AN ALYSIS   Fo r  the  sim u la ti on   pur pose,  f our  dif fer e nt  oc ean  co nd it io n  are  assum ed.   First  on e  is  short  distance ,  wh e re  the  s our ce  and   destinat ion   are  se pa rated  by  s hort  dis ta nce  of   500  m et ers  with  the  ocean   de pth   of  1  km ,   seco nd   c onditi on  is  sam e  as  first  one w it h  sl igh t  a dd it io n al  co ndit ion  that sen der   a nd  rec ei ver  w il l  ha ve   a  dri ft  of  1  m /s.  The  third  an d  f ourth  c onditi on  ha ve  a  l ong  dista nce  of  10  km   with  a nd  wit hout  dri ft  re sp e ct ively .   These  f our  di f fer e nt  conditi ons  are  nam ed  as  four   ch an ne l  fo r  the  eval ua ti on   pur pose.  The  ch a nnel   im pu ls e   respo ns e  are  s how n  in  the  F igure  1.   T he  at te nu at io n  fac tor,   Am bient  no ise   a nd   s urf ace - bott om   los s  are  cal culat ed  acc ordin g  to  t he  c onditi on   a nd  optim al   fr eq uency   is  cal culat e d  as  400  Hz  f or  cha nnel   1  a nd  2  a nd  100  Hz  for  ch enn al   3  a nd   4.  The  sam ple  E EG  sig nal  is  gen erate d  us i ng  this  op ti m a l  fr eq ue ncy  and   sent  to   these f our  d if fe ren t c onditi ons  u si ng f ee d - for ward  ne ur al   ne twork .    It  is  fo und  fro m   the  F igu re  2  that,  fo r  a  2  hi dd e n  la ye r  arch it ect ur e  a  m ini m u m   Me an  S qu a re  Er ror   (MSE)  of  0.0 5  for  c hannel4   and  m axi m u m   MSE  of  0.15   for  the  c ha nn e l1.  Fi gure  2  al so   s hows  t he  MSE  of   the  fou r  cha nn el s  fo r  20  hi dden  la ye r  arc hitec ture,   We  obt ai ned   MSE  le ve l  of   al m os t  ze ro   for  al l  the  channels   with  data  En erg y  le vel  (E b/No)  of  10  dB  with  incre ased  it erati on   values.   It  is  al so   ob se rv e d  from     the  sim ulati on   that  the  gr a die nt  val ue  of  the   ne ur al   netw or k  is  sta rt  dec re asi ng  f ro m   0.4 5  to   10 - 5  with   Eb/N o  value  of   5  a nd   corres pondin g  σ  value   al so   de creases  from   0.01   t o  10 - 5  w it h  Eb/N o  valu e  of   5.  It  is  ev ident   that   the  Si gn a ls  are  recei ve d  back   with out  any  def ect   us in g  feed - f orwa rd  net work  with  20  ne uron s   i n    the  hi dd e n  la ye r.   T he  dr a wb a c k  in  it   is  that  th e  it erati on   le ve l  is  ver y  hi gh. To  o ve rc om e  t hese,  it   is  co nc lud e d  that  on e  ca n  try   the  adap ti ve  neural  netw ork   in  the  channel   to  com pen sat e  the  Dopp le r  sh ift  of   th e  unde rw at e r   acoust ic  ch a nnel .           Figure  2 .  Per f orm ance o f f our  ch a nn el   us i ng  feed - f orwa rd ne ur al   netw ork wit h 2 a nd    20 n e uro ns  i n hid den lay er       4.   VA LI D ATIO N  O F P ROP O SED  ALGO R ITHM   Durin g  the  pas t  decad e s,  num erous  co ding  te chn i qu e s  has  been   dev el op e d  for  data  tran sm issi on   i n  water  m edium .   Un li ke  ai r  m e diu m ,  it   is  ver y  diff ic ult  to  val idate   the  al gori thm   in  unde rwat er  com m un ic at ion .   In   2016,  unde rw at er  Ac ousT ic   channel  Re play   ben c hM A RK  ( WATER MARK)  [ 28,  29 ]   is  intr oduc ed  f or  unde rw at er  c om m un ic at ion   r esearche r.   It  is  a  reali sti c  si m ula ti on   to olbox   w hich  e nabl es  the  researc her   t o  dev el op,  te st  a nd  com par e  th ei r  al gorithm   i n  real  ti m e  env ir on m ent.  Th e  too l box  c ons ist s  of   five  dif fer e nt   channels  c orr esp onds   t o   di ff e ren t  e nviro nm ental   con di ti on .   T he  c ha nn el s  a re  na m ed  in  the   f avor  of     the  locat io n  as   Norw ay - Osl ofj ord  (NOF 1),  Norw ay - Co ntinental  S helf  ( NCS1),  B rest  Com m ercial   Har bo ur  (BCH1),  Kauai   Aco m m s   MURI  20 11   (KAM1 1)   e xp erim ent  (K AU 1)  an d  K A U2.  De pendin g  up on     the  num ber   of   input  an d  outp ut  cha nnel s ,  m od el s   are  cat e gorize  as   ei ther   Sing le   I nput  Si ng le   O utput  ( S IS O )  or   Si ngle   Inp ut   Mult ipe  Ou t pu t  (S IM O).  T able  1  s hows  t he  en vir onm ental   con diti on  of  the  fi ve  c hannels.    The  va rio us   pa ram et ers  con sidere d  in  the   wa te rm ark   too lb ox   a re  ra nge,  ty pe  of  tra ns m itter  and   r ecei ve r   dep l oym ent,  frequ e ncy  ba nd,   D oppler   co ve rag e   et c.  In  thi s  pa per,  NOF1  cha nn el   is  co ns ide red   to   val idate     the pr opos e d  al gorithm .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8 708       Perf orma nce  analysis  of  bio - Signa l  processi ng in   oce an   E nv ironme nt   us i ng …  (   N.  R. Kri sh na moort hy )   2947       Figure  3. Re trie val of sam ple  ECG  from  the U AC  us i ng f ee d - forwar d neur al  n et w ork       AEE G  si gn al   i s  ge nerat ed  a nd  m od ulate d  usi ng  BPS K.  Th en  it   is  al lo we d  to   pass  t hro ugh  the   N OF1   channel.   For  validat io n  of   ANN  i n  unde rw at er   ch an ne l,  two  di ff e re nt  co ding   te chn i qu e   is  em plo ye d.     In  the   first   sc enar i o,   t he  m odulate d  data   i s  e ncode d  usi ng  co nvol ution  c od e   an d  decode d  by  V it erb i   Algorithm .  Mult iplexin g  te c hn i qu e   is  ap pl ie d  in  the  s econd  sce na rio.   In   t he  m ulti plexed   te ch nique ,     the  m od ulate d  data  is  conve rted  into  ti m e  d om ai n  and   sen d  it   to  channel   as  a  fr am es.  To  av oid   the  e f f ect   of  the  inter - sym bo l  inter fer e nce   of  the   cha nn el   a  portio n  of  e ncode d  data  is  ad de d  befor e   the  eac h  f ram e.     This  process  is   ref er red   as  Cy cl ic   Pr efix  (CP ).   The  le ngth  of  the  CP  is  vari ed  at   three  dif fer e nt  le vel  as  5%,   15%  an d  25%  with  res pect  to   the  m od ulate d  data.  For  exa m ple,  if  the  no   of   bits  in  a  sin gle  fr am e  is  20 ,  the n  CP  le ng t h  as  1,  3  a nd  5  bits.  Table  2  t o  5  s hows  t he  MSE   of   t he  N OF1  channel  us in g  conv olu ti on  c ode  an d  Mult iplexin g  te chn i qu e .  Ta ble  2  show s  the  MSE  of   t he  N OF1  cha nnel   usi ng   c onv olu ti on   c ode.  T he  data  is   encode d  us i ng  six  diff e re nt  ge ner at or   po ly nom ials  and   de cod e d  usi ng  V it erb i  al gorith m .   It  is  ob ser ve d  that  the  MSE  valu e  is  decr ea ses   with  le ss  po l ynom ia l  co m plexity .  The  ef f ect s  of   va riat ion   of  CP  le ngth  i n  m ul ti plexing   t echn i qu e   is  st udie d  a nd   su m m arized  from   Table  3  t o  5.  I n  this  sce nar i o,  increase   in  C P  value   resu lt s  with  m or e  MSE. I t  is  con cl ud e d  that  to  ob ta in  the bet te r  MSE,  the  ANN  net work  is  app li ed  al on g  with   m ul ti plexing techn i qu e  w it h l ess CP  value .       Table  1 .  E nvir on m e ntal co ndit ion  of t he  c ha nn el s  in wat er m ark  to olbo x   Na m e   NOF1   NCS1   BC H1   KAU1   KAU2   Env iron m en t    Fjo rd   Sh elf   Harbo r   Sh elf   Sh elf   Ti m e  of  Year   Ju n e   Ju n e   May   Ju ly   Ju ly   Ran g e   7 5 0   m   5 4 0   m   8 0 0   m   1 0 8 0   m   3 1 6 0   m   W ate r  Dep th     1 0   m   8 0   m   2 0   m   1 0 0   m   1 0 0   m   Tr an s m itt e r  Dep lo y m en t   Bo tto m   Bo tto m   Su sp en d ed   Towed   Towed     Receiv er    Dep lo y m e n t   Bo tto m   Bo tto m   Su sp en d ed   Su sp en d ed   Su sp en d ed   Prob e Sign al ty p e   LFM   Tr a in   Pseu d o - n o ise   Pseu d o - n o ise   LFM   Tr a in   LFM   Tr a in   Frequ en cy  Ban d   10 – 1 8  kHz   10  –   1 8  kHz   3 2 .5 – 3 7 .5 k Hz   4  –   8  kHz   4  –   8  kHz   Do p p ler  co v erage   7 .8 Hz   3 1 .4 Hz   5 9 .4 Hz   7 .8 Hz   3 2 .9 Hz   Ty p e   SISO   SISO   SIM O   SIM O   SIM O       Table  2 .  MS E  of cha nnel  u si ng c onvoluti on  cod e   Po ly n o m ial   Sig n al Str en g th  in d B   5   10   15   20   25   30   35   40   45   50   (1, 3)   0 .52 6   0 .52 6   0 .52 6   0 .52 6   0 .51 2   0 .45 6   0 .29 8   0 .14 0   0 .07 0   0   (1, 5)   0 .54 4   0 .54 4   0 .54 4   0 .54 4   0 .39 2   0 .21 5   0 .12 5   0 .03 5   0 .01 7   0   (10 ,  1 1 )   0 .54 4   0 .54 4   0 .54 4   0 .54 4   0 .45 6   0 .36 8   0 .18 4   0   0   0   (1, 2, 3)   0 .54 4   0 .54 4   0 .54 4   0 .54 4   0 .45 4   0 .42 1   0 .21 0   0 .01 0   0 .00 1   0   (1, 4, 5)   0 .54 4   0 .54 4   0 .54 4   0 .54 4   0 .44 3   0 .31 0   0 .19 3   0   0   0   (10 ,  1 1 ,  1 4 )   0 .54 4   0 .54 4   0 .54 4   0 .52 0   0 .52 0   0 .43 0   0 .19 3   0 .08 7   0   0   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une   2020   :    29 44   -   2950   2948   Table  3.  MS E  of cha nnel  u si ng m ulti plexing  te chn iq ue wit h 5 %  cyc li c p r e fix   Po ly n o m ial   Eb/No Valu e   5   10   15   20   25   30   35   40   45   50   (1, 3)   0 .52 6   0 .50 9   0 .50 1   0 .49 1   0 .42 0   0 .33 3   0 .19 3   0   0   0   (1, 5)   0 .47 4   0 .43 9   0 .42 1   0 .40 3   0 .38 6   0 .35 1   0 .03 5   0   0   0   (10 ,  1 1 )   0 .54 4   0 .49 1   0 .43 8   0 .42 1   0 .38 6   0 .23 0   0 .08 8   0 .01 7   0   0   (1, 2, 3)   0 .59 6   0 .57 9   0 .52 0   0 .50 0   0 .35 1   0 .12 3   0 .01 7   0   0   0   (1, 4, 5)   0 .52 6   0 .54 4   0 .52 6   0 .52 6   0 .36 0   0 .01 7   0   0   0   0   (10 ,  1 1 ,  1 4 )   0 .49 1   0 .47 4   0 .47 4   0 .47 4   0 .31 6   0   0   0   0   0       Table  4.  MS E  of cha nnel  u si ng m ulti plexing  te chn iq ue wit h 1 5  %  cyc li c p r efix   Po ly n o m ial   Eb/No Valu e   5   10   15   20   25   30   35   40   45   50   (1, 3)   0 .50 8   0 .50 9   0 .49 1   0 .46 5   0 .40 5   0 .28 1   0 .15 8   0 .03 5   0   0   (1, 5)   0 .50 8   0 .49 1   0 .47 4   0 .4 74   0 .43 9   0 .25 4   0 .05 2   0 .01 7   0 .01 7   0   (10 ,  1 1 )   0 .49 1   0 .49 1   0 .47 4   0 .45 6   0 .41 0   0 .31 6   0 .22 8   0 .05 3   0 .01 7   0 .01 7   (1, 2, 3)   0 .49 1   0 .49 1   0 .49 1   0 .47 3   0 .47 4   0 .42 1   0 .22 8   0 .05 3   0 .05 3   0 .05 3   (1, 4, 5)   0 .49 1   0 .47 4   0 .47 4   0 .45 6   0 .40 0   0 .32 0   0 .03 5   0 .03 5   0   0   (10 ,  1 1 ,  1 4 )   0 .5 79   0 .55 0   0 .54 4   0 .52 0   0 .52 0   0 .29 8   0 .08 8   0 .01 7   0 .01 7   0       Table  5.  MS E  of cha nnel  u si ng m ulti plexing  te chn iq ue wit h 2 5  %  cyc li c p r efix   Po ly n o m ial   Eb/No Valu e   5   10   15   20   25   30   35   40   45   50   (1, 3)   0 .47 4   0 .45 6   0 .43 8   0 .43 5   0 .42 1   0 .33 3   0 .19 3   0   0   0   (1, 5)   0 .47 4   0 .43 8   0 .42 1   0 .42 1   0 .40 3   0 .35 1   0 .03 5   0   0   0   (10 ,  1 1 )   0 .54 6   0 .49 1   0 .43 8   0 .42 1   0 .38 6   0 .21 5   0 .08 7   0 .01 7   0   0   (1, 2, 3)   0 .52 6   0 .50 8   0 .49 1   0 .49 1   0 .45 6   0 .21 0   0 .15 8   0 .14 0   0 .10 5   0 .08 8   (1, 4, 5)   0 .56 1   0 .54 4   0 .54 4   0 .49 1   0 .25 0   0 .15 0   0 .08 8   0 .08 8   0 .08 8   0 .08 8   (10 ,  1 1 ,  14)   0 .56 1   0 .52 3   0 .52 3   0 .50 8   0 .26 3   0 .12 3   0 .12 3   0 .07 0   0 .07 0   0 .06 0       5.   CONCL US I O N   The  ge ne rated   EEG  wa ve for m s   is  retrieved  bac k  s ucces sfu ll y  us in g  A NN   in  unde rwat er  channel .    It  is  c on cl ud e d  from   the  re su l t  that  the   A N N   pe rfor m s  well   and  giv es   le ast   er ror  rate   as   th e  it erati on  le ve l  an d  nu m ber   of  hidden  la ye rs  i nc reases.  T he  propose d  al gorit hm   is  validat e d  us i ng   water m ark   too l box.   It  is   ob s er ved   t hat  the  for  sta nda rd   al go rithm s  li ke  conv olu ti on   a nd   M ulti pl exing   te c hn i ques,  e nergy  le vel  in    the  order  of  40   dB  is   re quired .  F or  m ulti plexing   te c hniq ues,  as  the   le ngth   of  the  C P  inc r eases,  e rror  rat e  al so  increases .  It  is  evode nt  that  m axim u m   of   5%   CP  ca n  be  m ai ntained   to  at ta in  the   le ast   M SE.  Re sea rc he r  ca n   adopt  the   A N N  te ch nique  al ong  with  th e  m ult iplexing  an d  anal ysi s   the  pe rfo rm a nce  of   t he  A NN   i n  unde rw at er  ch a nn el .       REFERE NCE S   [1]   Abdou.  A.  A.,   e t  al.,   “ El ectrom agne tic  (EM)  W ave   Propaga ti on  f or  the   Deve lop m ent   of  An  Und erwa te r  W ireles s   Sensor Net work  (W SN ), ”  SENS ORS,   2011   IEEE ,   pp .   1571 - 1574 ,   2011.   [2]   Liu .   L.,  Zhou .   S.,   and   Cui .   J. - H. ,   “ Pros pec ts  a nd  Problems   of  W ire le ss   Com m unic at ion  fo r  Underwat er  Sen sor  Networks,”   W ire le ss   Comm unic a ti ons  &   Mobil e  Computing,   vo l.  8,   no .   8 ,   pp .   977 - 994,   2008 .     [3]   Y u  Luo. ,   Li n a  Pu.,   Michael .   Z.,  and  Zhe ng  Pe ng  Jun - Hong  C ui. ,   “ Challenge s   and  Opportunities  of  Underwater  Cognit ive   A cousti c  Ne tworks,”   I EE E  Tr ansacti o ns  on  Eme rging  Topics  in  Computing,   vo l.   2 ,   no.   2,   pp.   198 - 211 ,   2014.   [4]   Sanche z .   A. ,   Bl anc .   S . ,   Yus te.   P.,   a nd  Ser ran o.   J.  A. ,   “ Low  Cost  and  Hig h  Eff icient  Aco ustic   Modem   for  Underwat er   Sen sor Net works , ”  OCEANS,   2011   IEE E ,   Spa in,   pp.   1 - 10,   2011.     [5]   Stoja novic.  M. ,   “ Underwat er  W ire le ss   Com m unic at ions:  C urre nt  Ach ie ve m ent s  and  Res ea rch   Challeng es, ”     IEE E   Oce an ic   E ng ine ering   Socie ty   N ewsle t te r,   pp .   1 - 5 ,   2006 .   [6]   Cui.   J. - H . ,   Kong.  J. ,   Ger la .   M. ,   a nd  Zhou.  S.  “ Th e  Cha ll eng es  of  Buil ding  Mobi le  Underwat e r  W i rel ess  Network s   for  Aquatic  App li c at ions, ”  N et w ork,   IE EE,   vo l. 2 0,   no .   3 ,   pp .   12 - 18,   2006 .   [7]   Qin  Lu. ,   Yi  Hu ang. ,   and  Zha o hui  W .   S.  Z.,  “ Chara c te ri zation   and  Re ceive r  Design  for  Underwat er   Acoust i c   Channe ls wi th  L arg e  Doppl er  Sp rea d” ,   OCE ANS  -   MTS/IEEE  Wa shington,   pp .   1 - 6 ,   2015 .     [8]   Ret no.   W . ,   P.  N y i .   R . ,   and  P.  Elhadj.   D . ,   “ III - Ni tri de  Sem ic ondu ct ors  base d  Opt i ca l  Pow er  Spl it t er  Devi ce   Desig n   for  Underwat er   Applic a ti on , ”  Inte rnational   Jo urnal  of  E le c tri cal   and  Compu te r  Engi n ee ring ,   vol .   8,   no.   5 ,     pp.   3866 - 3874 ,   2018.   [9]   Makoto.   O.,   T ad ashi.   E.,  Koichi.  M.,   and  Naoto.   M.,   “ W ire le ss   P ower  and  Data   T ran sfer  S y stem  for  Stat ion - Based   Autonom ous Un der wate r   Vehi cles,”   OCE ANS  -   MTS/IEE E   Washington,   pp. 1 - 5 ,   2 015.   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8 708       Perf orma nce  analysis  of  bio - Signa l  processi ng in   oce an   E nv ironme nt   us i ng …  (   N.  R. Kri sh na moort hy )   2949   [10]   Ars y ad.  R.   D . ,   Andre.   W . ,   Muham ad  R.   A.,   “ Bidi r ec t io nal   Underwa te r   Visible   Li ght   Com m unic at io n, ”   Inte rnational   Journal  of  Elec tric al   and  Co mputer  Enginee ring,   vol.  8,   no .   6,     pp.   5203 - 5214 ,   2018.     [11]   Sudharsan .   V. ,   Vijay .  Kart hik .   V.,   and  Yam una .   B . ,   “ Rel i abi l i t y   L eve l   Li st   Based  It era t ive  SIS O  Dec oding  Algorit hm   for  Bl ock  Turbo   Code s,”   TEL KOMNIKA,   vo l. 16, no.  5,   pp .   2040 - 204 7,   2018 .   [12]   Ch  Navit ha,   Si vani .   K. ,   and  As hoka .  Redd y ,   K.,   “ Pe rform anc e  Ev al ua ti on  of  Adapti ve  Co nti nuous  W ave l et   Tra nsform   base d  Rake   R ecei v er  for  UW B  S y stems , ”  Int er nati onal  Journal  of  El e ct rica l  and  Compute r  Engi ne ering,   vol .   8 ,   no .   5 ,   pp .   34 44 - 3452,   2018 .   [13]   Srinu.  P  ,   K.  P adma.   R . ,   K.,  a nd  Subrahm an y am.  N.  B . ,   ”Pe r form anc e  Ana l y sis  of   Adapti v e  Filt er  Ch annel   Esti m at ed  MIM O  OF D M  Comm unic at ion  S y s t em,”   Int ernati on al  Journal  of  El e ct rical  and  Computer  Engi n ee rin g,     vol.   8 ,   No .   5 ,   pp .   3829 - 3838,   201 8.     [14]   Yuri y .   V.,   Za kh aro v. ,   Andre y .   And  K.  Morozo v. ,   “ OF DM  Tra nsm ission   W i thout   Guard  Inte rva l  in  Fast - Var y ing   Underwat er   Aco ustic   Ch anne ls, ”  IEE E   Journal   of O ce anic E ngi ne ering,   vo l. 40, n o.   1 ,   pp .   144 - 15 8,   2015 .   [15]   Yashar.   M.  Aval. ,   and  Mi li c a.   S toj anovic.,  “ Diffe ren t ia l l y   Coh er ent   Multi cha nne l  Dete c ti on  of  Acoustic   OF D M  Signal s, ”  IE EE   J ournal  of  Oc ean ic   Engi ne ering,   vol.   40 ,   no .   2 ,   pp .   251 - 268 ,   2015 .     [16]   Le i   W an. ,   e t  al . ,   “ Adapti ve  Mod ula ti on   and   Cod ing  for  Underwa te r  Acoust ic   OF DM , ”  IEEE  Jou rnal  of  Oc eani c   Engi ne ering,   vol .   40 ,   no .   2 ,   pp .   3 27 - 336,   2015 .   [17]   Youngjun.   J.  an d  Sangsoon.  L . ,   “ Design  and  Im ple m ent a ti on  of  Hete roge n eous  Surfac e  Ga te wa y   for  Unde rwater  Acoustic   Sensor  Network, ”  In te rnational   Jou rnal  of  El ectri cal   and  Computer  Engi ne erin g,   vol.   9,   no .   2,     pp.   1226 - 1231 ,   2019.     [18]   Yanbo  W u. ,   Min  Zhu. ,   and  Xinguo  Li t.,  “ Sparse  Li ne ar   Equalizer s  for  Turbo  Equa lizations  in  Underwat er  Acoust i c   Com m unic at ion,”  OCEANS   -   MT S/IE E E  Washing ton,   pp . 1 - 6,   201 5.   [19]   Shunde.   Z.,  Xin.   Z. ,   and  Xiaoji.   Z. ,   “ It era t ive   Fre quency   Dom ai n  Equa liza ti on  Co m bine d  with  LDPC  Dec oding  for   Single - Carr ie r   Underwat er   A cousti c   Comm unic at ions, ”  OCEANS  MTS - IEE E  Mont e rey on,     pp.   1 - 5 ,   2016 .     [20]   Edua rd.   V.  Z.,  a nd  Mili ca .   S. ,   “ S pac e – Frequ ency  Bloc k  Coding  for  Underwat er  Acoustic   Com muni cations, ”  IE E E  Journal  of   Oce a nic   Engi ne ering,   vol. 40, no. 2, p p.   303 - 314 ,   201 5.   [21]   Xiaohui .   Z.,   Fan gji ong.   C . ,   FeiJi . ,   and  Hu a.   Y. ,   “ Vari abl e  Step  Size   L ea st  S y m bol  Err or  Ra te   Adapti ve  De ci si on  Feedba ck   Turbo   Equa liza ti on  for U nder wate r   Cha nnel , ”  OCE ANS - MTS/IEE E   Washington,   pp.   1 - 4,   2016.     [22]   Roee .   D. ,   and  Lut z .   L.,  “ Adapti ve  Err or - Corr e ct ion  Coding  Sc heme  for  Underwat er  Acousti c  Com m unic at i on  Networks,”   I EEE  Journal   of   Oc eani c   Engi n ee ri ng,   vol .   40 ,   no .   1 ,   pp .   104 - 114 ,   2 015.     [23]   Heide m ann.   J.,   W ei .   Y,  W il ls.  J.,   S y ed.   A.,   and  Yuan.   L,   "Research  cha l le nges  a nd  Applic at ions  for  Underwat er   Sensor Net worki ng, "   IE EE   Wireless   Comm unic at ions a nd  Ne tworki ng  Con fe renc e ,   pp .   228 - 235 ,   2 006.     [24]   Ramanat han .   N. ,   et   al . ,   “ A  Strea m - Orien te d  Pow er  Mana geme nt  Protocol   for  Low  Dut y   C y cle  Sensor  Network  Applic a ti ons,”   I n  Proce ed ings o f   the  IE EE   Wor kshop  on  Emb edded Ne twork ed  S en sor s,   2005.   [25]   Cerpa .   A. ,   e t  a l.,   “ Monitori ng:   Applic a ti on  Dri ver   for   W ire l ess  Com m unic at ion s  Te chno log y , ”  In  Proce ed ings  of  the   ACM  SIGCO MM  Workshop o n  Data  Comm unic ati ons   in  Lat in Americ a  and   th e   Caribbean,   200 1.   [26]   Kim .   J.  E . ,   et  al . ,   “ Adapt ive   M AC  Scheme  usi ng  Queue   Info r m at ion  for  Und erwa te r   Env iron m ent al   Moni toring   S y stem,”   pp.   88 4 - 889,   2013 .     [27]   W ei Xing.   F. ,   K eJun.   W . ,   XiuFen.   Y. ,   and  Shu Xiang.   G, .   “ Novel  Algori thms   for  Coordinatio n  of  Underwate r  Sw arm Robot ic s,”   pp .   654 - 6 59,   2 006.     [28]   Van  W al ree.  P.  A.,   Jenseru d.   T.  and  Sm edsrud.   M.,   “ A  Discre t e - Ti m e  Chann el  Sim ula tor  Driv en  b y   Mea sured   Scat t eri ng  Func t ions,”   I EEE  J ou rnal.   Se l. A reas  Comm un. ,   vol .   2 6,   no .   9 ,   pp . 1628 – 1637,   2008 .     [29]   Van  W al ree   P.   A.,   “ Propaga tion  and  Scat teri ng   Eff ects  in  Underwat er  Ac oustic   Com m un ic a ti on  Channel s,”     IEE E   Journal   of O ce an  Eng ineeri ng,   vol .   38 ,   No .   4,   pp .   614 – 631 ,   2013.         BIOGR AP H I ES   OF  A UTH ORS       N.   R.   Krish n am oo r thy ,   h e   gra duat ed  fro m   Jerusal em  C oll eg e  of  Engi nee ring ,   Chenn ai ,   aff iliated  to  Mad ras  Univer sit y   in   2004  with  Bac h el or’s  Degre e  in  El e ct roni cs  and  Com m unic at ion   Engi ne eri ng.   Later   he  compl et e d  his  M.E   degr ee   in  E lectr oni c s  and  Control   f rom   Sath y aba m a   Instit ute  of  Sc ience   and  T ec hno l og y ,   Chenn ai   in   2007.   He   has  j oine d  as  Lectu r e r  in  Sa th y aba ma   Instit ute   o f  Science   and  Techno log y   in  2008.   H is  passion  towar ds  te ac h ing  m ade   as  As socia t e  profe ss or  in  the   depa r tment  o f  El e ct roni cs  a nd  Instrum ent ation  Engi ne eri ng   in  Sath y aba m a   Instit ute   of  Sc ience   and  Te chno log y ,   Chenn ai .   He  play ed  vi tal  role   i n  th e  sath y ab amasat   nano - sate llit e  project   as  the   pa y lo ad  subs y stem  inc har ge.   He  a cqui red   a  te a chi ng  exp eri en ce   of  m ore   tha n  13  y e ars.   His  are as  of  intere st  in cl ude  si gnal   proc essing,   wire le ss   comm unic a ti on,   codi n g   te chn ique s  and  i nte gra te d  c irc ui t s.  He  at t ende d  var ious  works hop s  conduc te d  b y  the   industrials.   He  guide d  seve ral   student   proj ec ts  and  he  m ade   rese arc h  pub li c at ions  in  divers e  Journals  and   Confer ences.  H e   is a life   m ember  of  Indi an  Soc ie t y   of  T ec hn ic a l E duca t ion. (ISTE ) .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  3 ,  J une   2020   :    29 44   -   2950   2950     Imman uel  R aj k um ar ,   h e  gra duated  from   Karun y a  Inst itute  of  Technol og y ,   Coim bat or e  aff iliated  to  Mad ras  Univer sit y   in   2002  with  El e ctronics  and  Ins tru m ent at ion  Engi n ee ring .   L at er  h e  complet ed  h is  post  gra duation   degr ee   in  Elec tr onic s  &  Contro l  Engi n ee ring  f r om   Sath y ab ama   Univer sit y   ,   Ch enna i  in  2004 .   He  is  cur ren tly   doing  his  rese ar ch  in  Facult y   o f  El ectroni cs  &  Control   Eng ine e ring  at   Sa th y ab ama  Inst it ut e  of   Scie nc e  &  Tec hnolog y ,   Chenn ai .   His  Are a  of   int er est  inc lud es  is  Agent  base d  Te chnol og y ,   In dustria l  Instrum ent a ti on,   Re al   tim e  Embedde d  s y stems ,   Proce ss   Control.         Jerry   Alex ander ,   h e  gra du a te d  from   Noor ul  Islam  Coll e ge  of  Engi neer ing  aff iliate d  to   Manonm ani amSunda ran ar  Univ ersity   in  1999   with  Bac hel o r’s  Degre e  in   El ectrical   an d  El e ct roni csEnginee ring .   Later   he  complet ed  h is  M.E   degr ee   in  El e ct roni cs  and  Control   from  Sath y aba m a  Inst it ute  of  Sc ie nc e  and  T ec hnolog y ,   Chennai  in   200 4 .   He  h as  jo ine d   as  L ec tur er  in  Sath y aba m a  Ins ti tute  o f   Sci ence  and   T ec hnolo g y   in  2004 and  . At  th e  cur ren t  outset   h e  is   an   As sistant   P rofe ss or  in  the   d e par tment  of   Elec tron ic s  and   Com m unic at ion   Engi ne eri ng   a t  Sath y aba m a  Inst it ute of  Sci ence and  T ec hnolog y ,   Chenna i .   He   ha s t he   t ea chi ng  ex per ie n ce   of   m ore   tha n  14½   y e ars   and  about   2½   y e ars  in  Industr y .   His  are as  of  int e rest  inc lud e  signal   proc essing  an d  industri al   aut o m at ion .   He  a tte nded  var ious  w orkshops   &  conf ere nc es  cond uct ed  b y   r eput e d   orga nizati ons.H e   m ade   r ese ar ch  publi c a ti ons  in  J ourna ls  and   Con fer ences.He   is  a   li f e  m ember  of  Inte rna ti ona l  As socia ti on   of   EN Ginee rs.         Mar sh iana  D . ,  complet ed  her   Ph.D.   at   Sath y aba m a  Univer sit y .   Her  ar ea s  of   int ere st  in cl ud e  Proce ss   cont rol,  cont roll er  desi gn  and  soft  co m puti ng  te chni q ue s  with  15  Pu bli c at ions.  She  is  cur ren t l y   workin g  as  As sistant   Profess or  and  hav ing  teac hing  exp eri en ce   of  13  y e ars. Her  ar ea s  of   int er est  include   cont rol  s y s te m   and  proc ess  c ontrol ,  Soft  co m puti ng  te chn i ques  and  cont r ol   al gorit hm s .   Sh e   at t ende d   var io us  work shops   conduc te d   b y   th e  industrials.   Sh e  guid ed  seve r al  student   pro je c ts  and  s he  m ad e  r e sea rch   pub licatio ns i n  div erse   Jou rna ls a nd   Confer enc es.     Evaluation Warning : The document was created with Spire.PDF for Python.