检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

浅海地声参数的变维贝叶斯反演

声学学报 2023年第3期48卷 496-505页

作者：吴伟文任群言鹿力成郭圣明马力中国科学院水声环境特性重点实验室(声学研究所) 北京100190 中国科学院大学北京100049

为解决海底沉积层分层结构未知时的反演问题,提出了一种变维粒子滤波方法,利用声场的互谱密度,估计沉积层分层结构以及地声参数。仿真结果表明:变维粒子滤波在沉积层分层结构未知时,能有效反演沉积层层数以及地声参数,粒子的并行计算能... 详细信息

为解决海底沉积层分层结构未知时的反演问题,提出了一种变维粒子滤波方法,利用声场的互谱密度,估计沉积层分层结构以及地声参数。仿真结果表明:变维粒子滤波在沉积层分层结构未知时,能有效反演沉积层层数以及地声参数,粒子的并行计算能使其相较于可逆跳蒙特卡洛马尔可夫链(rjMCMC)更加高效。利用变维粒子滤波,对南海垂直线阵列接收到的线性调频信号进行处理,反演结果与rjMCMC反演得到的沉积层层数和地声参数结果相近,说明了此方法能有效估计沉积层层数的同时反演浅海地声参数,得到可靠的参数后验概率密度。

关键词：地声反演地声模型贝叶斯理论不确定性分析

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的全海深声速剖面预测方法

电子与信息学报 2022年第2期44卷 726-736页

作者：王同苏林任群言王文博贾雨晴马力中国科学院声学研究所中国科学院水声环境特性重点实验室北京100190 中国科学院大学北京100049

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... 详细信息

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。

关键词：深度学习循环神经网络注意力机制声速剖面预测

在线全文

学校读者我要写书评

暂无评论

改进粒子滤波在海底地声参数反演中的应用

声学技术 2022年第5期41卷 763-773页

作者：吴伟文任群言鹿力成马力中国科学院声学研究所中国科学院水声环境特性重点实验室北京100190 中国科学院大学北京100049

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... 详细信息

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。

关键词：地声参数粒子滤波序贯方法

在线全文

学校读者我要写书评

暂无评论

卷积神经网络主动目标方位估计

应用声学 2023年第3期42卷 467-473页

作者：王珍珠赵猛任群言肖旭马力中国科学院声学研究所北京100190 中国科学院大学北京100049

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络,提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变... 详细信息

复杂海洋环境中信道的传输特性、时空变化、频散效应等一定程度上制约了主动声呐目标方位估计的性能。该文引入卷积神经网络,提出了适用于主动声呐中目标方位的高精度估计方法。仿真声场环境为浅海负梯度,主动发射信号为具有多普勒不变性质的双曲调频信号,水平线列阵作为接收装置,目标按仿真路线运动。该文利用Kraken进行声场数据仿真,并对接收的信号在频域做均匀加权常规波束形成,进而进行卷积神经网络的模型训练和测试。数值仿真研究表明,该文所用方法可以有效估计目标波达方向,对信噪比具有一定的鲁棒性。

关键词：主动声呐卷积神经网络常规波束形成