基于多域特征提取和深度学习的声源被动测距*

由于实际海洋环境中存在大量的非高斯噪声,一些基于高斯假设的传统去噪方法在实际海洋环境中性能下降甚至失效。针对非高斯噪声,如α稳定分布噪声、非平稳行船噪声下的脉冲信号的去噪与重构,该文提出一种基于深度学习的方法。去噪模型首先通过学习带噪信号短时傅里叶变换谱与残差谱之间的映射关系以去除环境噪声,之后对去噪信号的时频谱进行逆变换重构脉冲信号。仿真实验结果表明,深度学习模型在非高斯噪声环境下脉冲信号的去噪与重构任务中有着良好的表现,在实测样本上也表现出良好的泛化性,体现了一定的工程应用价值。     

深海大深度声传播特性及直达声区水下声源距离估计

深海大深度声传播特性对在深海近海底进行水声目标探测和定位具有重要意义。利用一次南海中南部深海不完全声道中的脉冲声传播实验数据,分析了海底附近大深度声传播损失及脉冲多途传播特性,并根据直达波和海底-海面反射波的时延差与收发距离的关系,提出一种利用深海直达声区脉冲多途到达时间进行水下声源距离估计的方法。结果表明:当接收器深度位于南海深海海底附近而声源深度较浅时,直达声区水平宽度可达30 km,传播损失相对影区来说较小,有利于水下声源探测;直达声区的直达波与海底-海面反射波的到达时延差随着收发距离的增大单调减小,可被用于水下声源距离估计。得到水下声源的距离估计结果与实验GPS测量结果较为一致,距离估计均方误差为0.28 km。      

浅海声速剖面与移动声源的跟踪定位

在水平非均匀分布的浅海环境中,针对移动声源跟踪时,声速剖面的变化会对声场产生影响,提出了一种利用集合卡尔曼滤波算法的声速剖面跟踪反演和移动声源跟踪定位的方法。首先,将声速剖面进行距离和深度的参数化表示,从而将对声速剖面的跟踪转化为对声速剖面前3阶经验正交函数系数的跟踪;其次,通过将声源状态信息和声速剖面信息表示为状态变量,而将垂直线列阵接收到的声场信息作为测量值建立状态-测量模型,然后利用集合卡尔曼滤波方法对模型状态变量进行跟踪。仿真结果得出:声速剖面跟踪反演的均方根误差和移动声源跟踪定位的绝对误差都非常小,对声源的跟踪定位精度很高。并且通过增加集合样本数、增加接收信号信噪比以及增加接收阵元数目都可以提高跟踪定位结果精度。最后,利用东海实验数据对本方法进行了验证。      

Tracking-positioning of sound speed profiles and moving acoustic source in shallow water

An ensemble Kalman filter(EnKF) approach is proposed to perform sequential tracking of water column sound speed profile(SSP) using a moving acoustic source. First,the SSPs are discretized in depth and range, and are expressed by the empirical orthogonal functions(EOFs). Second, the acoustic source state information and the first three orders of EOF coefficients are expressed as the state variable, and the acoustic field information received by the vertical line array are the measured values. Successively, the state variables and measured values are used to establish the state-measure model. Last, the EnKF is utilized to track the state variables. The simulation results show that the root mean square error of SSP and the absolute error of source are all small, and thus the acoustic source tracking-positioning has high accuracy. Moreover, increasing the number of sample collection, the signal-to-noise ratio and the number of receiving elements can improve the tracking-positioning results. The method is verified using the experimental data of the East China Sea.     

深海会聚区声场多途时延差分析及声源距离估计*

深海会聚区声道由于具有传播距离远、传播损失低等优势,对实现声呐远程探测具有十分重要的意义。本文基于虚源理论推导了深海会聚区的多途到达时延结构,给出了会聚区内不同声线路径的时延差曲线随接收深度变化的近似表达式,通过分析时延差曲线与声源水平距离之间的关系,提出了一种利用多途时延差估计深海会聚区近海面声源距离的方法,仿真实验验证了该方法原理的正确性。南海实验结果表明,当收发距离在42km~52 km时,会聚区爆炸声源距离估计结果同实际爆炸距离吻合较好,估计误差为0.6%~6.1％,验证了该方法的有效性。     

The characteristic of sound propagation in deep water and underwater source localization in the direct zone

The multiple-path sound propagation in deep water is conducive to source localization of an underwater target.The transmission losses(TLs) and broadband pulse multiple-path propagation characteristics from a deep receiver is analyzed by using the experimental data from deep water area in the South China Sea(SCS).The results indicate that the width of the direct zone near the bottom of 4300 m water depth is about 30 km.The TLs in the direct zone near the bottom are much less than those in the shadow zone.It is meaningful for underwater sound source detection.Moreover,the time delay between the direct path and the bottomsurface-reflected path for a receiver near the bottom decreases monotonically with the source range.According to the linear relationship between the time delay of multipath and source range,a source localization method is presented to estimate the range of underwater target.The experimental results show that the estimated ranges are consistent with the global position system(GPS) measurements,and the mean square error of the estimation results is less than 0.28 km.     

测向误差特征辅助两步式网络的水声纯方位定位方法

围绕水声分布式纯方位定位问题,针对传统方法的远距离定位精度低、定位结果易受初值影响等缺点,提出了一种测向误差特征辅助两步式全连接层神经网络(DFE-TS-FCNN)的纯方位定位方法。使用神经网络进行定位,提高远距离定位精度并消除初值影响,输入特征是目标方位角测量值和测向误差标准差估计值。使用两步式网络结构抑制网络过拟合,分类网络确定目标区域后,再用对应的定位网络估计目标位置。蒙特卡洛仿真实验中,所提方法在近距离达到了与迭代加权最小二乘算法和迭代总体最小二乘算法相近的定位精度,在远距离定位精度大幅提高、约束均方根误差(RMSE)小于2.5 km的条件下,最远可定向距离相比传统方法从12.6 km提升至22.7 km。在实际数据中,该方法也获得了较好的定位结果。     

深海脉冲信号簇到达结构特征及其在水下声源定位中的应用_

为了实现对深海水下声源的定位,对典型深海环境中的脉冲信号到达结构特征进行了理论分析,给出了声源和接收位置位于近海面时到达信号的簇信号形式近似表达式.当声源和接收位置处于近海面深度时,接收到的信号呈簇状结构形式.在提取到达信号中各簇信号到达时间、幅值等特征参数的基础上,提出了一种通过对到达信号中簇信号特征参数匹配搜索进行...     

基于XRF-CNN土壤重金属Zn元素含量预测模型研究

结合X射线荧光光谱法,针对土壤中重金属元素Zn含量的预测问题,提出基于深度卷积神经网络回归预测模型。对原始土壤进行相关预处理,用粉末压片法制作土壤压片,采用X射线荧光光谱法(X-Ray-fluorescence,XRF)获取土壤光谱,相比于传统检测方式,XRF法具有检测速度快、精度高、操作简单、不破坏样品属性并且可实现多种重金属元素同时检测等优点,故将XRF与深度卷积神经网络相结合,实现对土壤中重金属Zn元素含量的精确预测。采用箱型图来剔除X射线荧光光谱中的异常数据,采用熵权法结合多元散射校正来对样品盒数据进行校正,采用Savitzky-Golay平滑去噪法以及线性本底法对光谱数据进行预处理,可以有效地解决由外界环境和人为因素产生的噪声及基线漂移等问题。针对卷积神经网络结构的特殊性,将获取的一维光谱数据向量,采用构建光谱数据矩阵的方式来进行处理,将同一浓度、同一含水率下5组平行光谱数据向量转化为二维光谱信息矩阵,以该矩阵作为深度卷积神经网络预测模型的输入,以适应卷积层的操作要求,利用深度卷积神经网络特殊的结构模式,能有效提取土壤光谱数据特征,提高了深度卷积神经网络预测模型的学习能力,降低模型的训练难度。深度卷积神经网络预测模型采用3层卷积层搭建,使用ReLU激活函数激活,采用最大池化方式,减少数据的维度,增加Dropout层,防止过拟合,使用ADAM优化器对预测模型进行优化。实验以平均相对误差(mean relative error, MRE)、损失函数(LOSS)、平均绝对误差(mean absolute error, MAE)确定了模型的最优学习率为10-3以及最优迭代次数为3000,并将深度卷积神经网络预测模型与BP预测模型、ELM预测模型、PLS预测模型进行对比,以均方误差(mean square error, MSE)、均方根误差(root mean square error, RMSE)、以及拟合系数R2来分析比较预测模型的好坏,结果表明,基于深度卷积神经网络预测模型在对土壤中重金属Zn元素含量预测方面优于BP,ELM,PLS三种预测模型,提高了预测精度。     

一种改进的DNN-HMM的语音识别方法*

针对深度神经网络与隐马尔可夫模型(DNN-HMM)结合的声学模型在语音识别过程中建模能力有限等问题,提出了一种改进的DNN-HMM模型语音识别算法。首先根据深度置信网络(DBN)结合深度玻尔兹曼机(DBM),建立深度神经网络声学模型,然后提取梅尔频率倒谱系数(MFCC)和对数域的Mel滤波器组系数(Fbank)作为声学特征参数,通过TIMIT语音数据集进行实验。实验结果表明:结合了DBM的DNN-HMM模型相比DNN-HMM模型更具优势,其中,使用MFCC声学特征在词错误率与句错误率方面分别下降了1.26%和0.20%。此外,使用默认滤波器组的Fbank特征在词错误率与句错误率方面分别下降了0.48%和0.82%,并且适量增加滤波器组可以降低错误率。总之,研究取得句错误率与词错误率分别降低到21.06%和3.12%的好成绩。     

陆架斜坡海域上坡波导环境中声能量急剧下降现象及其定量分析

深度较浅的声源其辐射声波在陆架斜坡海域上坡传播时,在斜坡顶端会出现声能量急剧下降现象.利用射线声学模型分析了造成这一现象的原因,并根据抛物方程声场模型计算的深海和浅海平均传播损失定义了"声能量急剧下降距离",定量分析了声源位置对该现象的影响.结果表明:声源深度对"声能量急剧下降距离"影响较大,而声源与斜坡底端水平距离对其影响较小;当声源深度变大时,部分掠射角较小的声线最终能够达到斜坡顶端,致使"声能量急剧下降距离"增大,继续增加声源深度,将导致上坡声能量急剧下降现象消失.利用抛物方程声场模型对陆架斜坡海域上坡声传播进行数值仿真,结合"声能量急剧下降距离"的定义,计算并比较了声源位置不同时该距离的变化,数值计算结果验证了理论分析.     

Long range transmission loss of broadband seismic pulses in the Arctic under ice-free conditions

In 2008 the Louis S. St-Laurent (LSSL) surveyed deep Arctic waters using a three-airgun seismic source. Signals from the seismic survey were detected between 400 km and 1300 km range on a directional autonomous acoustic recorder deployed in water 53 m deep off the Alaskan North Slope. Observations of received signal levels between 10-450 Hz versus LSSL range roughly fit a cylindrical transmission loss model plus 0.01 dB/km attenuation in deep ice-free waters, and fit previous empirical models in ice-covered waters. The transition between ice-free and ice-covered propagation conditions shifted 200 km closer to the recorder during the survey.     

Frequency-domain channel estimation and equalization for shallow-water acoustic communications

A new frequency-domain channel estimation and equalization (FDE) scheme, combined with a new group-wise phase correction scheme, is proposed for single-carrier (SC) underwater acoustic communications systems employing single transducer and multiple hydrophones. The proposed SC-FDE scheme employs a 2N-point Fast Fourier Transform (FFT) to estimate and equalize the channel in frequency domain, where N is the number of symbols in a data block. Both the frequency-domain channel estimation and equalization are designed by the linear minimum mean square error criterion. Initial channel estimation is performed by a pilot signal block and later updates are achieved using the detected data blocks. The proposed phase correction scheme utilizes a few pilot symbols in each data block to estimate the initial phase shift and then correct it for the block to combat the large phase rotation due to the instantaneous Doppler drifts in the acoustic channels. Time-varying instantaneous phase drifts are re-estimated and compensated adaptively by averaging the phase variation across a group of symbols. The proposed SC-FDE and phase correction method is applied to the AUVFest’07 experimental data measured off the coast of Panama City, Florida, USA, June 2007. With the Quadrature Phase Shift Keying (QPSK) modulation and a symbol rate of 4 ksps, the proposed scheme achieves an average uncoded bit error rate on the order of 1×10^?4 for fixed-to-fixed channels with the source–receiver range of 5.06 km. For the moving-to-fixed source–receiver channels where the source–receiver range is 1–3 km, the multipath delay spread is 5 ms, the average Doppler shifts are ±20 Hz, and the maximum instantaneous Doppler drifts from the mean is ±4 Hz, the proposed scheme achieves an average uncoded bit error rate on the order of 1×10^?3.     

Diversity combining for long-range acoustic communication in deep water

A recent experiment showed that coherent long-range acoustic communication is feasible in deep water over a ～550?km range between a source towed slowly at ～75?m depth and a horizontal line array towed at 3.5 knots at ～200?m depth. This letter further demonstrates that diversity combining mitigates channel fading and increases the output signal-to-noise ratio. Using sparse channel-estimate-based equalization, three transmissions are combined successfully to decode a 40?Hz bandwidth (230-270?Hz) 8 phase-shift-keying communication signal, achieving an effective data rate of 17 bits/s at ～550?km range.     

基于深度张量神经网络预测有机分子的相互作用能

分子的相互作用在分子动力学模拟过程中起着关键的作用. 受限于计算资源,大分子的长时间尺度的相互作用能无法通过量化计算实现. 本文采用一种深度学习框架-深度张量神经网络来预测三个有机分子相关体系中量化精度的相互作用能. 其中,分子的几何结构和原子类型作为网络的输入用于预测相互作用能. 通过分层生成的数据集合实现了网络中隐层参数的优化和训练. 相互作用能的预测结果显示,深度张量神经网络可以在较短的时间内,在1 kcal/mol的平均绝对误差的范围内准确预测分子间的相互作用能. 这一过程提高了计算效率,并为计算相互作用能提供了可靠的计算框架.     

深度神经网络在红外光谱定量分析VOCs中的应用

鉴于浅层人工神经网络(ANN)需要依靠先验知识进行人工提取特征,同时较浅的网络结构限制了神经网络学习复杂非线性关系的能力,将深度神经网络(DNN)应用于利用傅里叶变换红外光谱(FTIR)对多组分易挥发性有机物(VOCs)进行的浓度反演研究,并利用仿真实验验证了算法的有效性。从美国环境保护署(EPA)的数据库中选取了包括苯、甲苯、 1,3-丁二烯、乙苯、苯乙烯、邻二甲苯、间二甲苯、对二甲苯在内的八种VOCs气体在8~12μm波长范围内的吸光度谱,每种气体有四种不同浓度下的谱线,依据Beer-Lambert定律从每种VOCs气体中选择一种浓度下的吸光度谱进行混合,得到65 536种不同的VOCs混合气体吸光度谱样本。随机选择5 000组混合气体的吸光度谱,其中4 000组作为训练样本, 1 000组作为预测样本。通过积分提取和主成分提取对光谱矩阵进行降维预处理,将光谱维度从3 457维降到30维。将光谱矩阵经过预处理后得到的新矩阵作为网络输入,对应八种VOCs的浓度矩阵作为输出,建立了30-25-15-10-8的深度神经网络回归预测模型来实现多组分VOCs浓度反演,反演得到样本的均方根误差为0.002 7×10-6,相比于前人利用非线性偏最小二乘拟合、人工神经网络等方法拟合的精度有了明显的提高。每种VOCs气体的均方根误差均不超过0.005×10-6,每个样本的均方根误差均不超过0.006×10-6,证明了深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性。当训练样本不足(典型值:小于500)时,深度神经网络无法充分地学习,网络误差较大,精度低于单隐藏层的人工神经网络,但随着训练样本数量的增加,深度神经网络的精度不断提高,当训练样本数充足时,相比浅层的人工神经网络,深度神经网络具有更强的非线性关系学习能力,预测精度更高,模型更为稳定。同时,由于训练前对光谱矩阵进行了降维处理,大大降低了算法的复杂度,有效提高了反演效率。分析表明,深度神经网络预测模型具有良好的非线性拟合能力和良好的稳定性,无需人工提取特征就能够充分学习数据特征,同时对多组分VOCs进行浓度反演并达到较高精度。     

深海海底反射会聚区声传播特性

在深海声道条件下,海水折射效应会使得声场出现会聚效应;在不完全声道条件下,深海海底对声场具有重要影响.利用在中国南海海域收集到的一次深海声传播实验数据,研究了深海不完全声道环境下的海底反射对声传播的影响.实验观测到不同于深海会聚区的海底反射会聚现象,在直达声区范围内的海底地形隆起可导致海底反射会聚区提前形成,并使得部分影区的声强明显提高.由于不平坦海底和海面的反射破坏了完全声道环境下的会聚区结构,在60 km范围内存在两个海底反射会聚区,会聚区增益可达10 dB以上,同时在11 km附近的影区和51 km附近形成高声强区域.当接收深度与声源深度相同时,第二会聚区的增益高于第一会聚区.在第一会聚区内,随着接收深度的增加,声线到达结构趋于复杂,多途效应更加明显.使用抛物方程数值分析结合射线理论对深海海底反射会聚区现象产生的物理原因进行了分析解释.研究结果对于声纳在深海复杂环境下的性能分析具有重要的指导意义.     

利用线谱起伏实现目标测距

常见水中目标辐射噪声的线谱会随目标运动而出现强弱起伏。不同号简正波之间的干涉是目标声强随距离起伏的主要原因,利用简正波水平波数差和波导不变量之间的关系,推导了不同线谱随距离变化起伏的理论关系式。基于此关系式,提出利用两条或多条线谱声强起伏进行声源测距的方法。针对两条线谱起伏测距方法存在的旁瓣问题,解释其形成原因,并提出用多条线谱声强起伏抑制旁瓣。数值仿真验证了方法的可行性,利用多条线谱声强起伏测距的方法可有效抑制旁瓣。海试数据分析表明,当连续谱部分非常微弱无法有效测距时,利用多条线谱声强起伏测距的方法仍能稳定的估计渔船目标距离,估计距离的平均相对误差为12%。      

水下声学滑翔机用于东印度洋声传播特性分析及声源估计

常规实验方法无法同步获取深海大尺度声学和水文数据,水下滑翔机可作为同步观测平台解决该问题.首先利用在东印度洋北部海域水下滑翔机同步获取的声传播和水文实验数据,分析了水下滑翔机的自噪声谱级和实验海区声传播特性,然后推算并修正了滑翔机水下运动轨迹,利用第一影区水下滑翔机接收声传播信号的脉冲多途到达时间差对声源进行测距与定深。潜标接收噪声与滑翔机自噪声谱级对比表明,水下滑翔机在海洋中无动力运动时的系统自噪声接近于潜标观测的海洋环境噪声。滑翔机实测的声传播损失与模型计算结果吻合较好,第一影区水下声源测距定深结果与实际位置较为一致,测距与定深的相对误差均小于5%。利用加载水听器的水下滑翔机可以实现水文环境数据与声学信号的同步观测,对深海声传播特性测量及定位算法研究具有重要意义。      

深海声影区稀疏时延估计与声源测距

研究了深海声影区中经一次海底反射的多途声线到达垂直双水听器的时延差与声源位置的关系,提出了一种稀疏时延估计与声源测距方法。首先利用近海面布放的短间距垂直双水听器接收一定频带的声信号,然后计算接收信号的广义互相关函数,并利用频谱搬移和稀疏解卷积技术提取时延差,最后通过时延差匹配,估计水下声源的距离。仿真实验表明,在4300 m深海中,所提方法能够正确提取多途到达时延差,估计声影区内的声源距离。海试结果表明,当垂直接收孔径分别为21 m和30 m时,声源测距误差分别小于13.6%和8.1%。上述结果表明,所提出的时延估计方法可适应带宽较窄的接收信号,多途到达时延估计参数可用于实现声影区中的水下声源测距。