利用字典学习方法的声速剖面反演研究

针对经验正交函数（Empirical Orthogonal Function,EOF）建模反演得到的声速剖面（Sound Speed Profile,SSP）估计值分辨率比较低的问题,文章采用字典学习方法中的K-奇异值分解（K-Singular Value Decomposition,K-SVD）算法生成声速剖面的非正交原子,研究了该方法生成的学习字典（Learning Dictionary,LD）对声速剖面的重建性能。首先,采用K-SVD算法从获得的数据中训练SSP字典,然后利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）的稀疏方法给出训练信号的稀疏向量,最后通过得到的最优学习字典和稀疏向量反演得到SSP的估计值。结果表明,K-SVD算法比EOF算法使用更少的基函数即可很好地描述SSP的变化,获得更高的反演精度。     

浅海多节点环境参数测量数据融合方法研究

为了提高浅海环境监测的及时性和避免人为主观评价水质的不合理性,引入窄带物联网(Narrow Band Internet of Things, NB-IoT)多节点方式进行浅海环境参数回传,并在远程端使用数据融合技术对其进行融合处理,实现水质等级科学评价。采用两级并联融合方式进行环境参数融合,在融合前使用模糊理论中的相关性函数剔除外界及传感器本身噪声所造成的异常数据;然后使用自适应加权融合算法对其进行第一级融合,最后运用模糊综合评价方法将上一级的融合结果进行决策层融合,实现浅海环境的水质等级评价。经试验验证,使用上述方法能够更加及时、有效地获取水质环境参数且第一级融合相对误差小于6.5%,并能以概率形式直观展现出监测区域的水质等级,提高水质等级评价的准确性与可靠性。