排序方式: 共有35条查询结果,搜索用时 46 毫秒
1.
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。 相似文献
2.
海洋环境噪声不仅是水中目标探测的背景干扰声场之一,还可用以反演海洋物理参数。文章基于实测东中国海某海区夏季海洋环境噪声数据,分析其时频特性、统计特性以及风关特性。研究结果表明,试验期间该海区100 Hz以下频段的海洋环境噪声级约为110 dB,频率为100和300 Hz的海洋环境噪声级分别服从自由度为8和6的卡方分布,频率为1 kHz和3 kHz的噪声级服从正态分布;海况对低频海洋环境噪声级概率分布无明显影响,但是对高频段噪声级正态分布的均值和方差会产生一定影响;随着频率的增加,海洋环境噪声级与风速对数间的相关系数逐渐增大,1 kHz以上相关系数在0.6~0.7之间;100 Hz以上频段的噪声谱级基本不随深度发生变化。文中的结果可以为水中目标的探测以及浅海海洋环境噪声的应用研究提供技术支持。 相似文献
3.
针对航船噪声实现海底声学参数稳健反演及不确定性分析的问题,研究了联合声压场和矢量场进行可靠地声参数反演的可行性。采用匹配场反演算法对单矢量水听器采集的航船噪声数据进行处理,给出了地声参数的估计值和后验概率分布。理论分析和数值仿真表明:垂直质点振速分量比单独使用声压场能提供更丰富的声信号传输特性;联合声压场和垂直质点振速分量的反演结果比单独处理声压场或垂直质点振速分量具有更高的稳健性和准确性。 相似文献
4.
《Planning》2014,(6)
考虑到传统的匹配场处理定位需要复杂的匹配声场计算,并对环境参数和声场模型有很高的依赖,为了克服这种缺点,采用虚拟接收方法对声源进行测距。首先对垂直阵接收到的引导声源和目标声源的信号进行相关处理,得到虚拟接收声场并估计虚拟接收声场干涉条纹的斜率,结合波导不变特征量β对目标声源进行测距。通过数值仿真和2004年南海实验数据处理,讨论了浅海斜坡海域环境中不同频段下利用虚拟接收方法对宽带声源测距的性能。随着频率升高,需要展宽频带以获得完整的干涉条纹和良好的测距结果。在实验数据处理中,选取频段较高的信号时,由于阵列间距偏大不能保证采样的简正波模式的正交归一特性,不能获得正确的测距结果。 相似文献
5.
《Planning》2014,(1)
为了评估经验正交函数(Empirical Orthogonal Functions)在声速剖面的声学反演应用中的可靠性和适用性,降低声速剖面基函数的获取对样本数据的依赖性,提出了一种声速剖面展开的正交基函数的获取方法.该方法通过分析引起声速剖面变化的海洋动力学过程,利用动力学方程求解得到的水动力简正波(Hydrodynamic Normal Modes)来给出声速剖面展开的基函数.HNMs方法获得的声速剖面正交基函数与EOFs方法的结果非常吻合,且对样本数据的依赖性小。HNMs方法物理意义清晰,能够给出决定声速剖面正交基函数的物理参数,使评估经验正交函数的准确性和适用性成为可能。 相似文献
6.
《Planning》2015,(2)
目标声源的低信噪比是目标定位技术中的瓶颈。在浅海近似均匀环境中,利用虚拟接收方法对声源测距的目标定位方法相比于传统的匹配场定位方法可以避免对环境参数和声场模型的依赖,同时省去生成拷贝场时的大量计算。通过数值模拟和实验数据处理,比较了在虚拟接收方法声源测距中不同信噪比的引导声源对目标声源测距的结果。提高引导声源的信噪比,可以一定程度上提高于涉条纹清晰度,从而提高测距准确度。提高引导声源的信噪比可作为目标声源的信噪比补偿是利用虚拟接收方法的目标定位技术的又一个优点。 相似文献
7.
《Planning》2019,(4)
受海面波浪起伏、降雨和内波等海洋动力学过程的影响,浅水声速剖面的时间演化具有高度非线性,针对该问题提出使用改进的粒子滤波方法进行声速剖面序贯反演.该方法通过建立声速剖面的经验正交模型(EOF)以及描述声速剖面时间演化特征的状态空间模型,将声速剖面反演问题建模为状态跟踪问题,利用不敏粒子滤波(UPF:Uncented Particle Filter)算法进行声速剖面序贯反演。仿真试验通过实测声速剖面数据和先验地声参数信息产生接收声场数据,再利用模拟声场数据估计声速剖面的时间变化.结果表明,相比于集合卡尔曼滤波(EnKF:Ensemble Kalman Filter),在计算效率等同的情形下,该方法可以在状态参数的时间跳变点保持良好的跟踪性能,一定程度上克服了现有反演算法在跳变点发散的问题,可以有效提高声速剖面反演精度,尤其在声速剖面时变性较强时具有显著优势. 相似文献
8.
9.
海水中的声速剖面具有明显的时间演化特性,其预测问题可以看作一个非线性的时间序列预测问题。解决此类问题的常用方法大多使用预定义的非线性形式,无法捕捉真正潜在的非线性关系。循环神经网络作为一种为序列建模特别设计的深度神经网络,在捕捉非线性关系上具有极大的灵活性,在非线性自回归的时间序列预测这一问题上展现了它的有效性;注意力机制能够从众多信息中选择出对当前任务目标最关键的信息,对多变量时间序列在时空维度上的非线性关系进行捕捉。该文利用深度学习中的循环神经网络,添加双层注意力机制构建多变量时间序列预测模型,对浅海环境下时变的全海深声速剖面进行预测。多个模型的预测结果表明,该模型相对于单纯的编码-解码模型有着明显的预测性能提升,并且注意力权重的分布能够与实际物理现象相关联,为水声学中物理模型与机器学习的结合提供了新的思路。 相似文献
10.