文章摘要
汪恺,李风华,杨习山.利用字典学习的浅海被动声层析[J].声学技术,2022,41(5):637~641
利用字典学习的浅海被动声层析
Shallow water passive acoustic tomography using dictionary learning
投稿时间:2021-06-16  修订日期:2021-07-28
DOI:10.16300/j.cnki.1000-3630.2022.05.001
中文关键词: 格林函数  字典学习  声速剖面反演
英文关键词: Green's function  dictionary learning  sound speed profile (SSP) inversion
基金项目:国家自然科学基金项目(11974017, 11874061)、中国科学院青年创新促进会人才项目(2017028)。
作者单位E-mail
汪恺 中国科学院声学研究所, 北京 100049
中国科学院大学, 北京 100190 
wangkai1995@mail.ioa.ac.cn 
李风华 中国科学院声学研究所, 北京 100049  
杨习山 中国科学院声学研究所, 北京 100049  
摘要点击次数: 611
全文下载次数: 442
中文摘要:
      针对被动海洋声层析,提出了一种利用字典学习从海洋环境噪声反演浅海声速剖面的方法。首先,通过海洋噪声互相关函数提取出两个水平阵列间的经验格林函数;其次,通过字典学习从数据生成字典矩阵来稀疏表征声速剖面;最后通过搜索稀疏的系数来实现对浅海声速剖面的反演。通过南海实验数据对本方法进行了验证,相对于传统被动海洋声层析方法实际反演结果的均方根误差降低为0.53 m·s-1。而且搜索参数更少,同时具有较高的准确性。
英文摘要:
      A dictionary learning-based method for sound speed profile (SSP) inversion in shallow water is presented. The empirical Green's functions between two parallel horizontal arrays can be extracted from noise cross-correlation functions. The sound speed profiles are sparsely characterized by data-generated dictionary matrix, and they can be inverted by searching for sparse coefficients. This method is validated by experimental data in the South China Sea. Compared with the traditional empirical orthogonal function (EOF) methods, the inversion accuracy accuracy is reduced to 0.53 m·s-1, moreover this method has fewer search parameters and higher accuracy.
查看全文   查看/发表评论  下载PDF阅读器
关闭