System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于海洋工程,具体为一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法及系统。
技术介绍
1、海洋环境信息是进行水下探测、定位以及通信的重要参考对象,对于浅海波导而言,海底地声参数对声场的影响非常明显,但地声参数难以直接测量,而利用声学方法间接获取地声参数比直接进行取样分析的方法有更大的优势。大部分现有的地声参数反演方法将采集到声压数据代入模型中进行地声参数反演,但与声压场数据相比,矢量声场数据携带了更多的声源和海洋环境信息,而极化特性是矢量信号的一个重要特点。简正波的stokes参数是对矢量声信号极化特性的充分描述,每个stokes参数都包含了大量的海洋环境信息且体现的海洋环境特征不同,相较于声压场具有更广泛的应用。
技术实现思路
1、专利技术目的:为实现对浅海地声参数的高效、准确反演,本专利技术提出了一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法及系统,浅海地声参数是决定浅海环境下矢量声场分布特征的重要环境参数,海底地声参数的变化将对水中矢量声场的极化特性产生显著影响,因而本专利技术通过浅海矢量声场的测量数据反演地声参数。
2、技术方案:一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,包括以下步骤:
3、步骤1:在预设浅海环境下,仿真n个频点下的矢量声场stokes参数,将地声参数与其对应的stokes参数一一映射,构成矢量声场stokes参数—地声参数数据集,将矢量声场stokes参数—地声参数数据集划分为训练集和测试集;
4、步骤2:对矢量声场stokes参数进行归一化处理;
5、步骤3:针对沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数,构建4个并行的单输出bp神经网络模型,对于任意一地声参数,采用训练集对对应的单输出bp神经网络模型进行训练,得到反映预设浅海环境下stokes参数与该地声参数间映射关系的bp神经网络模型;
6、步骤4:利用步骤3得到的bp神经网络模型,实现对预设浅海环境下地声参数的反演。
7、进一步的,步骤1,所述在预设浅海环境下,仿真不同频点下的矢量声场stokes参数,将地声参数与其对应的stokes参数一一映射,构成矢量声场stokes参数—地声参数数据集,具体操作包括:
8、设海水层深度为h,宽带脉冲声源位于海水层深度zs处,在传播了距离r后在深度zr处被接收,沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数分别用hmud、cmud、pmud、alpmud表示;
9、在频率f下第n阶简正波的四个stokes参数为:
10、s0(f)=prr(f)+pzz(f) (10)
11、s1(f)=prr(f)-pzz(f) (11)
12、s2(f)=2re[prz(f)] (12)
13、s3(f)=2im[prz(f)] (13)
14、其中,re[·]和im[·]分别表示复数的取实部和取虚部操作,prr(f)表示第n阶简正波vr的功率谱密度,pzz(f)表示第n阶简正波vz的功率谱密度,prz(f)表示vr和vz的互功率谱密度。
15、进一步的,prr(f)表示为:
16、
17、pzz(f)表示为:
18、
19、prz(f)表示为:
20、
21、上式中,表示第n阶简正波的水平振速分量,表示第n阶简正波的垂直振速分量,ρ表示密度,t为质点振速信号在频域中的长度,kn(f)为对应的水平波数,ψn为第n阶简正波的深度函数;
22、
23、式中,只和声源处的密度有关。
24、进一步的,所述对矢量声场stokes参数进行归一化处理,具体包括:
25、使用s0对s1,s2,s3进行归一化处理得到s1=s1/s0,s2=s2/s0,s3=s3/s0。
26、进一步的,对于任意一地声参数,所述单输出bp神经网络模型均包括输入层、隐藏层和输出层;所述输入层采用n个频点下的经归一化处理后的矢量声场stokes参数作为输入数据;
27、采用relu函数作为激活函数:
28、
29、采用均方误差函数作为最小化的损失函数:
30、
31、其中,yr表示待反演环境参数的真实值,ye表示bp神经网络模型的预测值,n表示样本数量。
32、进一步的,对于反演沉积层厚度、沉积层上层声速和沉积层声衰减系数的3个bp神经网络模型,隐藏层个数均为2,且两个隐藏层的神经元个数分别为128和32。
33、进一步的,对于反演沉积层密度的bp神经网络模型,隐藏层个数为2,且两个隐藏层的神经元个数分别为64和16。
34、本专利技术公开了一种基于矢量声场极化特性的浅海波导海洋环境参数估计系统,包括:
35、第一bp神经网络模型,用于利用相应的矢量声场stokes参数,反演得到沉积层厚度;
36、第二bp神经网络模型,用于利用相应的矢量声场stokes参数,反演得到沉积层上层声速;
37、第三bp神经网络模型,用于利用相应的矢量声场stokes参数,反演得到沉积层衰减系数;
38、第四bp神经网络模型,用于利用相应的矢量声场stokes参数,反演得到沉积层密度。
39、进一步的,设海水层深度为h,宽带脉冲声源位于海水层深度zs处,在传播了距离r后在深度zr处被接收,沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数分别用hmud、cmud、pmud、alpmud表示;
40、在频率f下第n阶简正波的四个stokes参数为:
41、s0(f)=prr(f)+pzz(f) (10)
42、s1(f)=prr(f)-pzz(f) (11)
43、s2(f)=2re[prz(f)] (12)
44、s3(f)=2im[prz(f)] (13)
45、其中,re[·]和im[·]分别表示复数的取实部和取虚部操作,prr(f)表示第n阶简正波vr的功率谱密度,pzz(f)表示第n阶简正波vz的功率谱密度,prz(f)表示vr和vz的互功率谱密度。
46、进一步的,所述第一bp神经网络模型~第四bp神经网络模型均包括输入层、隐藏层和输出层;所述输入层采用n个频点下的经归一化处理后的矢量声场stokes参数作为输入数据;
47、对于第一bp神经网络模型~第三bp神经网络模型,其隐藏层个数均为2,且两个隐藏层的神经元个数分别为128和32;
48、对于第四bp神经网络模型,隐藏层个数为2,且两个隐藏层的神经元个数分别为64和16。
<本文档来自技高网...【技术保护点】
1.一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:步骤1,所述在预设浅海环境下,仿真不同频点下的矢量声场Stokes参数,将地声参数与其对应的Stokes参数一一映射,构成矢量声场Stokes参数—地声参数数据集,具体操作包括:
3.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:Prr(f)表示为:
4.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:所述对矢量声场Stokes参数进行归一化处理,具体包括:
5.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:对于任意一地声参数,所述单输出BP神经网络模型均包括输入层、隐藏层和输出层;所述输入层采用n个频点下的经归一化处理后的矢量声场Stokes参数作为输入数据;
6.根据权利要求5所述的一种基于矢量声场极化特性的浅海波导海
7.根据权利要求5所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:对于反演沉积层密度的BP神经网络模型,隐藏层个数为2,且两个隐藏层的神经元个数分别为64和16。
8.一种基于矢量声场极化特性的浅海波导海洋环境参数估计系统,其特征在于:包括:
9.根据权利要求8所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计系统,其特征在于:设海水层深度为H,宽带脉冲声源位于海水层深度zs处,在传播了距离r后在深度zr处被接收,沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数分别用hmud、cmud、pmud、alpmud表示;
10.根据权利要求9所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计系统,其特征在于:所述第一BP神经网络模型~第四BP神经网络模型均包括输入层、隐藏层和输出层;所述输入层采用n个频点下的经归一化处理后的矢量声场Stokes参数作为输入数据;
...【技术特征摘要】
1.一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:步骤1,所述在预设浅海环境下,仿真不同频点下的矢量声场stokes参数,将地声参数与其对应的stokes参数一一映射,构成矢量声场stokes参数—地声参数数据集,具体操作包括:
3.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:prr(f)表示为:
4.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:所述对矢量声场stokes参数进行归一化处理,具体包括:
5.根据权利要求2所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:对于任意一地声参数,所述单输出bp神经网络模型均包括输入层、隐藏层和输出层;所述输入层采用n个频点下的经归一化处理后的矢量声场stokes参数作为输入数据;
6.根据权利要求5所述的一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法...
【专利技术属性】
技术研发人员:李晓曼,张凯龙,王鑫宁,陆虹宇,陈鸿运,
申请(专利权)人:江苏科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。