改进粒子滤波在海底地声参数反演中的应用

海底地声参数作为海洋声信道的重要组成部分,很大程度上决定了海洋声传播特性。地声参数可以通过反演算法获得,与距离相关的地声反演问题近年来是研究的热点。粒子滤波是一种高效的序贯寻优算法,可以在海底声学特性随距离缓慢变化情形下,有效解决地声参数的估计问题。但当海底声学特性随距离变化剧烈,如沉积层分层情况发生改变时,传统的粒子滤波则可能失效。为解决此问题,有文献使用了带桥接重采样的粒子滤波反演地声参数。文章在此基础上进一步改进了粒子的采样方式,并将此方法应用到基于海底反射系数的反演中。通过仿真数据处理结果证明,文中提出的改进粒子滤波在地声参数随距离变化剧烈的情况下仍具有较好性能,可以准确地估计海底特性随距离的变化规律和海底沉积层的声学参数。     

多波束声呐海底底质半监督学习分类方法

多波束测深声呐的反向散射数据中包含海底表层的声学信息,可以用来进行海底表层底质分类。但实际中通过物理采样获得大范围的底质类型的标签信息所需成本过高,制约了传统监督分类算法的性能。针对实际应用中只拥有大量无标签数据和少量有标签数据的情况,文章提出了基于自动编码器预训练以及伪标签自训练的半监督学习底质分类算法。利用2018年和2019年两次同一海域实验采集的多波束测深声呐反向散射数据,对所提算法进行了验证。数据处理结果表明,相比仅利用有标签数据的监督分类算法,提出的半监督学习分类算法保证分类准确率的同时所需的有标签数据更少。自动编码器预训练的半监督学习分类方法在有标签样本数量极少时的准确率仍高于75%。     

几种典型的粗糙海面下的声传播计算方法

针对中远距离的声场预报,尤其是浅海或者存在等温层表面声道的水声环境,粗糙海面对声传播的影响较为显著的问题,本文分析并比较了几种典型的粗糙海面下的声传播模型:Krakenc-KA粗糙海面声传播模型、Krakenc-SSA粗糙海面声传播模型和Ramsurf粗糙海面声传播模型,并通过分析高海况下的海试数据证明了Ramsurf粗糙海面声传播模型的有效性,为粗糙海面下的声传播研究提供了模型基础。实验结果表明:对于粗糙海面下的声场预报和声呐性能预报具有重要意义。     

浅海海底模型对低频声传播的影响

海底参数特性是影响浅海低频水声传播的重要因素。理论上需要知道海底所有深度的参数特性才能确定水声传播,这在实践中很不现实。如果在误差的允许范围内只需要知道某个深度以上的海底参数特性,而这个深度以下的海底参数特性可以忽略,这个深度就定义为海底最大深度。低频声波能够穿透海底更深,最大深度能够达到几十米深,对比较高频率只有几米深。海水声速剖面也能影响声波穿透海底深度,声速剖面为负梯度时海底最大深度比等声速要深。在低频声传播过程中,海底横波对声场影响也很大,尤其是在超低频100Hz以下,2002年5月的南海试验也证实了这一点。     

海深变化环境下目标距离测定

垂直阵接收到可以在时间上区分的引导声源信号和未知声源信号,通过对已知引导声源信号和未知声源信号进行相关比较,结合波导不变量β构建水平虚拟接收阵,可以对海底水平变化环境下目标声源进行距离测定。在宽带接收的情况下,只需要很少的环境信息就能对目标进行测距,与传统的匹配场处理相比,不需要复杂的声场建模和计算,而且降低了对环境参数信息的获取要求,体现了环境自适应信号处理。首先介绍虚拟接收的原理和方法,通过数值模拟和2004年实验数据分析,利用引导声源可对其它声源进行距离测定,误差在10%左右。