基于环境噪声的浅海海底单参数反演

利用环境噪声反演浅海海底声学特性一直是学者们研究的热门课题之一,目前绝大多数的噪声场建模方法依赖于多维海底模型,而多维参数的求解过程加大了反演的复杂度。减少反演参数个数可以有效降低反演的复杂性,提高反演的速度,以此为目的开展了基于单个参数海底模型的噪声场建模研究,并计算得到了基于海底单参数的噪声场空间相干系数表达式。通过与传统模型的对比,验证了该计算模型的有效性。结合实验数据,利用该模型对实验海域进行了海底单参数反演,并结合海底反射临界角确定了实验海域的沉积物类型为粉砂质砂,该结论与文献记载相吻合。     

基于简正波分析的海底参数反演

由于不同简正波存在的群速度差异,可以从到达时间结构上将它们分离开,提取相应的简正波参数.本文主要是对2002年1月黄海北部海域声传播实验数据进行处理,利用接收到的爆炸声传播信号,分析低阶简正波的频散关系,并根据其反演得到海底声速,结果同以前利用声传播损失的参数反演结果吻合.     

利用匹配场方法反演海底单参数

用海底反射损失对掠射角的斜率作为单个参数描述海底可以简化地声反演过程,快速获得海底的地声性质。基于单参数模型及其相干声场的反射相位近似关系,利用匹配场处理技术反演海底性质。通过Hamilton地声模型中的密度声速关系,同时获得海底的密度和声速值。对2001年中美东海联合实验(ASIAEX 2001)实验数据进行了反演,获得海底地声参数。最后利用反演结果进行传播损失预报及海底沉积物辨别,其效果证实了基于单参数海底模型反演方法的有效性及实用性。     

浅海海底单参数快速反演模型研究

根据大量观测数据中小掠射角下反射损失随掠射角近似线性增长的规律,提出以反射损失随掠射角的变化率FdB为反演单参数。利用海底密度等基本参数拟合出单参数FdB,证实单参数假设合理且能反映海底性质。利用简正波理论推导了单参数对浅海平均声场结构的控制公式,确定各个过渡距离和最佳反演尺度。利用接收声信号距离和信号延时的关系,获得了波形衰减规律,为反演声信号中提取底质信息提供了依据。获得的结果证实了单参数反演是可行的,并为下一步的反演研究提供了支持。     

利用船辐射噪声反演海底吸收

1引言用宽带连续声源进行水下声传播实验,可获得精细的声场空频干涉结构,具有比定点发射声源(如脉冲声)无可比拟的优点。文献[1]和[2]就是用换能器连续发射声信号以获得不同距离下的单频相干声传播损失,用于反演或检验其反演结果。但是利用船     

负跃层条件下浅海海底单参数反演技术

海底参数反演是获取海底声学特性一种经济高效的办法。近年来,课题组提出用小掠射角下海底反射损失随掠射角的变化率F_dB（dB·rad^-1）作为描述海底的单参数,建立了浅海均匀水层和负跃层水文条件下的海底单参数模型。负跃层单参数模型的建立,为海底单参数反演提供了新的设计思路。文章基于浅海负跃层海底单参数模型,设计海底单参数地声反演方法。首先对负跃层水文条件下浅海海底单参数模型进行简单的描述和介绍;然后在浅海负跃层单参数模型基础上,利用声传播损失对海底单参数进行反演;最后利用实验数据对反演方法的有效性进行了验证。     

基于改进遗传算法的海底地层参数反演计算

为了提高对海底地层参数变量的反演计算能力,设计了一种基于双种群协同进化策略的改进遗传算法。针对标准遗传算法局部搜索能力差且易于出现早熟现象的缺点,在标准遗传算法基础上引入双种群同时进行优化搜索,两个种群分别给予不同的控制参数,实现协同进化,最终给出一个综合的最优解。通过两个算例对遗传算法的寻优能力进行测试,实验结果表明,提出的改进算法不仅提高了搜索性能,并且对遗传控制参数的依靠度大大降低,特别是对大型复合参数反演问题的求解计算更为有效。     

基于深海声影区海底反射损失的地声参数反演方法

海底的声速、密度、衰减系数等地声参数,在声场预报、目标定位中十分重要。因地声参数原位测量和海底采样在深海中实施困难,需要寻找新的方法来获取地声参数。在深海声影区环境下,直达波会随着距离的增加而逐渐消失,一次反射波及多次反射波是对深海声影区声场起重要作用的多途信号。文章首先对声影区多途达到结构进行分析,利用多次比较法得到随掠射角变化的反射损失,并对海底地声参数进行反演,然后将反演的地声参数代入声场模型得到海底反射损失,将其与实验测量结果进行比较,结果吻合较好。并通过对反演过程的散点图和后验概率进行分析,证明了反演结果的可靠性。该方法可用于深海声影区的海底地声参数的反演。     

浅海负跃层海底单参数模型研究

海底反射特性在浅海声传播中起着决定性的影响。用小掠射角下海底反射损失随掠射角变化率Fd B构建单参数模型可很好地描述浅海海底特性。对单参数模型进行深入研究和改进,建立了在浅海负跃层条件下描述水下声场的海底单参数模型,并利用数值仿真和海上实验数据,对浅海负跃层海底单参数模型水下声场预报的正确性进行了验证。     

改进型遗传算法在环境噪声反演海底问题中的应用

利用浅海环境噪声进行海底特性反演一直是学者们研究的热门课题之一,当考虑两层海底时,由于待反演参数较多,基于传统遗传算法的反演策略往往使反演过程陷入局部最小值,从而无法找到全局最优解。针对两层海底的情况,计算得到了浅海环境噪声场空间相干性的表达式,并对传统遗传算法进行了改进,通过引进自适应交叉和变异算子以及能够保持种群多样性的小生境技术来提高反演算法的性能。通过数值仿真,验证了改进后的算法较传统算法能更好地收敛到真实值;并针对一次海试数据进行了海底特性反演,获得了较好的结果。     

浅海相干声场的单参数海底模型建构

海底反射性质在浅海声传播中起着决定性的影响。利用海底反射损失对掠射角的斜率可作为单个参数F dB来描述海底这一前提,对平面波入射液态半无限空间的情况进行推导,提出一种基于简单近似表示反射相位角关系的算法。将单参数F dB以及反射相变作为计算模型的边界条件输入参数,对浅海相干声场进行计算,将适用范围推广到复杂声速和水平变化情况。通过对三种类型海底进行仿真,比较基本参数海底模型及单参数海底模型计算所得传播损失曲线,验证了所提包含反射相变关系的单参数模型的有效性。     

基于深度学习的舰船辐射噪声多特征融合分类

为了改善分类系统的性能,进一步提高舰船辐射噪声分类的正确率,该文提出了一种基于深度神经网络的多特征融合分类方法。该方法首先提取舰船辐射噪声几种不同的特征,将提取的特征同时用于训练具有多个输入分支的深度神经网络,使网络直接在多种特征参数上进行联合学习,通过神经网络的输入分支和连接层实现特征融合,再对舰船辐射噪声进行分类。为了特征深度学习提取了舰船辐射噪声的频谱特征、梅尔倒谱系数和功率谱特征,并将多特征融合分类方法与在一种特征上进行深度学习分类方法的正确率进行对比。实验结果表明,基于深度学习的多特征融合分类方法可以有效地提高舰船辐射噪声分类的正确率,是一种可行的分类方法。     

基于听觉感知的不同航速稳态舰船噪声合成

声纳人员培训和人耳辨识舰船声实验中常需要完备的敌我舰船辐射噪声样本,但实录各国舰船噪声几乎是不可能的。因此,合成与真实水下声样本听觉感知相同的舰船辐射噪声十分必要。研究了舰船航速对其辐射噪声的影响及人耳听音的临界带通特性,通过已知的零散舰船噪声样本合成目标舰船在其它未知状态下的辐射噪声。采用临界带通滤波和线谱迭加方法,分别合成了目标舰船在低、中、高三种不同航速下的稳态辐射噪声。为了验证合成声的有效性,进行了主观评价实验,采用成对比较法验证了15组不同航速状态下的合成舰船噪声样本。结果表明,合成舰船噪声样本能够被人耳有效识别,准确率达93%。     

基于DNN和改进K-means的船舶辐射噪声开集识别方法

为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network, DNN)和改进K-means的船舶辐射噪声开集识别方法。首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特征向量;最后,使用改进的K-means模型实现开集识别。在实测数据上进行了实验,结果表明,所提方法能实现船舶辐射噪声开集识别,对于实测数据的平均识别正确率为93.5%,较DNN+K-means++方法提高了6.2个百分点。对实测数据添加实验船发动机噪声或渔船噪声进行实验,结果表明,识别方法在其他船只噪声干扰下具有较好的鲁棒性。