基于谱元法的复杂海洋空间甚低频声传播特征研究

围绕甚低频水下声传播特性以及海底地形对其影响,利用谱元法开展复杂海洋空间声场仿真研究。构建了计入海底复杂流−固耦合的轴对称模型实现谱元法中的点声源激发和全波模拟。通过时域和时频域分析发现,Scholte波多次通过阶梯状上坡地形后,能量结构稳定,脉冲宽度和频带范围都没有显著变化。甚低频声波传播特性同时受整体地形和局部起伏影响。近似真实海底地形,如阶梯状地形条件下的声传播损失特性无法简单地用单一对数表达式有效描述。浅海阶梯状上坡地形软质海底中,声源接近海底时激发的界面波向远处传播的能力优于水中声波。软质海底水平海洋空间中有效激发并接收界面波模态时,整体的声传播损失近似于柱面扩展。

采用被动声监测方法识别波弗特海区域海洋水声环境

为了研究北冰洋冰下水声环境的噪声特性,对2016年中国第七次北极科考期间在波弗特海进行的声学观测实验获取的数据集,采用时间统计分析和频域谱分析方法进行了处理,讨论了处理结果与同时期获取的海洋、大气之间的联系。针对冰下噪声长期监测和北冰洋水声环境特性的准实时观测,确定了描述冰下水声环境特性的参数组,给出了处理方法和流程,用于基于被动声监测的水声环境识别,指导研究设计和硬件选择。回传的实测结果可以与已发表的结论进行比较,从而确切描述和理解北冰洋水声环境的变化。

功率谱密度消频散变换被动估计脉冲声源距离

浅海中传播的低频声波具有多模态特征和频散效应。对接收声信号消频散变换(DDT)可以消除频散效应,实现被动估计声源距离。针对消频散变换存在的测距多值问题,该文提出一种利用功率谱密度消频散变换的被动测距方法(PSD-DDT)。首先使用声场模型KRAKEN计算模态的水平波数;其次在只知道波导不变量大概范围的情况下,估计两个模态之间的频散常数;然后对保留了模态间干涉项的功率谱密度进行消频散变换;最后获得目标距离的估计值为PSD-DDT极大值对应的自变量与频散常数的比值。另外,当海洋参数未知时,需要分别对待测声源和引导声源进行PSD-DDT,利用自变量的比值确定声源距离,这种方法不需要估计频散常数。通过仿真和海试验证了PSD-DDT方法被动测距的有效性,并分析了波导不变量、模态阶数、噪声等因素对距离估计结果的影响。基于黄海试验结果,与DDT方法相比,PSD-DDT的测距误差下降了约49.2%。在35 km范围内最优波导不变量对应的平均相对误差约2.55%,被动测距精度较高。

脉冲干扰下基于变分贝叶斯推断的水声正交频分复用联合估计方法

脉冲干扰环境下水声正交频分复用通信性能严重下降,为此提出了基于变分贝叶斯推断的信道估计方法。该方法利用水声信道和脉冲干扰的稀疏特性,基于平均场变分贝叶斯推断,将信道向量和脉冲干扰向量的后验概率分布分别分解为简单概率分布进行拟合,基于导频子载波迭代直至收敛,得到信道和脉冲干扰的最大后验估计。所提方法改进了基于稀疏贝叶斯学习的干扰、信道联合估计方法中信道和干扰构成的联合向量无法分离二者稀疏度的问题,并且显著降低了计算复杂度。在此基础上,进一步提出了基于变分贝叶斯推断的干扰、信道和符号联合估计方法,将未知符号融入变分贝叶斯推断框架,与干扰和信道一起迭代,最终得到更精确的符号估计。仿真和试验结果验证了所提算法的有效性,与现有方法相比,本文所提方法具有更低的误码率和复杂度。

基于FPDE-SIFT的声呐干涉图像配准方法

图像配准是声呐进行高精度干涉测量的保障,该文针对水下目标的声呐图像配准,提出了一种基于4阶偏微分方程尺度不变特征变换的声呐干涉图像配准方法。该方法聚焦声呐图像配准的难点,首先基于4阶偏微分方程构建尺度空间,在保持图像细节的前提下滤除噪声,提高特征提取的准确度;对于残余噪声造成的特征点误检,借助特征点的相位一致性信息加以筛选,精简特征点样本集;最后对特征点匹配策略进行优化,提出改进的快速样本一致性匹配策略剔除特征点的误匹配。算法增加了匹配点对的数量,提高了匹配点对的准确度,实现了声呐干涉图像的精确配准。水池实验和外场试验表明,该文所提出的算法相较现有算法对声呐图像有着更好的适用性,配准后的均方根误差与留一法均方根均小于1像素,达到了亚像素配准精度。

北极冰层反射系数与Lamb波频散的关系

为获得北极冰层反射系数与Lamb波的关系,应用传递矩阵法分析了冰层反射系数实虚部、模值范围与冰层自由Lamb波、漏Lamb波频散的关系。获得了冰层自由Lamb波频散曲线与反射系数的对应关系;针对漏Lamb波相速度大于冰层纵波声速,振动模态无法识别的现象,通过调整冰−水界面耦合条件,得到改进后的漏Lamb波频散方程,获得小角度入射时冰层漏Lamb波振动模态与反射系数的关系,并结合北极跨冰层检波实验数据进行了验证。结果表明,反射系数小于1的频段声波激发了相应频段的冰层Lamb波。此外,根据改进的漏Lamb波频散方程进一步获得了多层冰层漏Lamb波频散曲线。

基于深度学习和Sentinel-1卫星影像的北极海冰分类精度和影响因素

海冰类型是极地海冰的重要属性之一,多年冰的物理性质较一年冰有着显著差异,因此识别海冰类型对极地气候变化研究和冰区船舶航行保障意义重大。卫星遥感是获取多时序、大范围海冰信息的有效手段。该文以北极西北航道和东北航道为研究区域,基于3个深度学习模型(ResNet、Vision Transformer、Swin Transformer)对Sentinel-1卫星双极化合成孔径雷达影像进行海冰分类研究。结果表明,8×8像素切片数据集的海冰分类效果优于其他尺寸切片数据集;对假彩色合成图像进行偏移量处理能够有效地减少噪声对海冰分类的影响;在3个深度学习模型中,Swin Transformer模型分类精度最高,整体准确率和Kappa系数均在98%以上。比较多年冰密集度数据发现,3个模型的结果与AMSR2的偏差均小于10%。

北极海冰多参数同化对海冰密集度模拟的改进

文章基于CICE海冰模式和PDAF并行数据同化框架,使用局地误差子空间变换卡尔曼滤波方法(LESTKF),将海冰密集度、海冰厚度和海冰干舷资料同化到模式中,设计实验研究了多参数同化对北极海冰密集度模拟的改进。结果显示,数据同化对北极海冰密集度模拟具有良好的改善作用,同化实验的平均偏差、均方根误差和平均绝对误差相对于控制实验均有明显减小,同化实验在夏季对海冰密集度和范围的模拟改善最为明显,多参数同化可以提高海冰密集度和范围模拟的精度和可靠性。

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。

基于空间变换预处理的噪声子空间投影法

针对基于噪声子空间投影的空间谱合成技术对输入信噪比(SNR)要求较高的问题,该文提出一种基于空间变换预处理的改进噪声子空间投影法。在子阵维度上,对阵列数据进行拆分处理,得到空间-空间-频率3维数据;利用空间投影变换,将其重新投影为空间-频率2维数据,实现子阵维度相干累积,提高空间变换后输入信噪比;采用噪声子空间投影法,对变换后数据进行处理,实现空间谱合成。数值仿真和实测数据处理结果表明:相比噪声子空间投影法,在保持方位分辨率不变的前提下,所提方法对输入信噪比的最低要求降低约6 dB,有效提升了噪声子空间投影法的弱信源检测性能。