环境扰动约束下的稀疏贝叶斯定位方法

针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。     

基于扇区特征向量约束的稳健自适应匹配场处理器

自适应匹配场处理可以获得较高的定位精度和旁瓣抑制性能,但需要精确计算的拷贝场向量和参数搜索空间内的精细采样,这为自适应匹配场在实际复杂海洋环境中的实时应用造成了困难。本文提出了一种新的稳健自适应匹配场处理算法,用以同时克服环境参数失配和实时搜索计算量大这两个问题。新算法集成了邻点位置约束、环境扰动约束和扇区聚焦约束等三种自适应匹配场处理器的优点,采用扇区与环境扰动双重约束,不仅对环境参数失配更具宽容性,而且可确保目标位于扇区内的任何点时,主瓣增益损失较小。典型浅海环境下的数值仿真和实测数据分析表明,该算法在一定的环境失配条件下不仅能有效地检测定位目标,还能实现距离/深度平面内的大扇区目标搜索,可大大减小实时运算量。     

失配情况下匹配模处理方法研究

匹配场处理是一种水声学和物理学相结合的信号处理技术,其在水下目标定位方面的高精度特点使得该方法受到广泛关注。匹配模处理是工作在模态空间的匹配处理方法。相对于匹配场处理方法,匹配模处理方法通过选取受环境失配影响较小的模态参与匹配处理(然而匹配场处理方法使用了全部声场数据),减小环境失配对定位性能的影响。本文研究了简正波模型下的匹配模处理器,讨论了环境失配时匹配模处理器的性能,通过选取受失配影响较小的模态组合,得出的定位结果更加精确。     

非均匀海洋环境噪声中的匹配场处理舰船辐射噪声级估计方法

在实际舰船辐射噪声测量过程中,受非均匀海洋环境噪声的影响,导致常规测量方法的性能急剧下降,基于此,提出了一种非均匀海洋环境噪声背景中的垂直阵舰船辐射噪声测量方法。根据水声信道传播理论,建立了由海面多个空时独立均匀分布噪声源构成的非均匀背景噪声场模型,推导了非均匀海洋环境噪声场中垂直阵舰船辐射噪声估计的理论公式。针对典型的浅海水声信道,进行计算机仿真实验,分析了该方法的测量性能并与常规匹配场测量方法进行对比,结果表明:(1)该方法能有效克服非均匀海洋环境噪声对测量结果的影响,测量误差较小;(2)相同测量条件下,该方法测量性能优于常规匹配场舰船辐射噪声级测量方法;(3)当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。     

非均匀海洋环境噪声中的匹配场处理舰船辐射噪声级估计方法

在实际舰船辐射噪声测量过程中,受非均匀海洋环境噪声的影响,导致常规测量方法的性能急剧下降,基于此,提出了一种非均匀海洋环境噪声背景中的垂直阵舰船辐射噪声测量方法。根据水声信道传播理论,建立了由海面多个空时独立均匀分布噪声源构成的非均匀背景噪声场模型,推导了非均匀海洋环境噪声场中垂直阵舰船辐射噪声估计的理论公式。针对典型的浅海水声信道,进行计算机仿真实验,分析了该方法的测量性能并与常规匹配场测量方法进行对比,结果表明:(1)该方法能有效克服非均匀海洋环境噪声对测量结果的影响,测量误差较小;(2)相同测量条件下,该方法测量性能优于常规匹配场舰船辐射噪声级测量方法;(3)当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。     

李倩倩等同志荣获《声学学报》2014年度优秀论文奖

<正>根据声学学报优秀论文评选办法,经过声学学报编委会两轮评选,声学学报编委会一致同意,决定授予李倩倩,李整林,张仁和等同志的"不确定海洋环境下的贝叶斯声源定位方法"(声学学报,2014年第39卷第5期535—543页)一文为声学学报2014年度优秀论文奖。编委会认为:李倩倩、李整林、张仁和等同志的"不确定海洋环境下的贝叶斯声源定位方法"(声学学报,2014年第39卷第5期535—543页)一文及其相关研究工作,针对水下声源匹配场定位对海洋环境依     

匹配场处理舰船辐射噪声级估计方法

针对水声信道对舰船辐射噪声声传播的影响,进而导致声源级测量结果不准确的问题,提出了基于匹配场处理的舰船辐射噪声级估计方法。在海洋环境噪声为空间均匀高斯白噪声的假设下,当海洋环境参数已知、信噪比满足一定要求时,匹配场处理能有效地给出被测噪声源的位置信息及该位置处的能量响应。从能量估计角度出发,推导了声源位置处匹配场输出响应的能量修正因子计算公式,从理论上证明了匹配场处理在被测声源位置处输出响应与能量修正因子的乘积为真实声源级的最小方差无偏(MVU)估计。该方法首先选择合适的声场计算模型计算拷贝场向量,对接收到的辐射噪声信号进行匹配场处理,得出接收信号级和被测声源位置;其次利用该位置所对应的拷贝场向量替换能量修正因子公式中的真实信道传输函数以计算能量修正因子的估计值;最后由接收信号级与能量修正因子估计值相乘得出舰船辐射噪声声源级的MVU估计。针对典型的浅海水声信道,进行了计算机仿真试验,结果表明:该方法能有效地进行舰船辐射噪声测量,当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。     

不确定海洋环境中的模态子空间重构稳健定位方法

实际的海洋是一个不确定的声传播环境,常规的匹配场方法在进行目标定位时会遇到环境失配的问题,导致定位性能下降.在不确定的海洋环境中,声场传播中的一部分简正波模态受到声场不确定性的影响较小.基于此,本文提出了一种模态子空间重构的稳健定位方法.该方法使用稳定的模态来重构拷贝场向量,相比于常规匹配场定位方法中使用全阶模态来构造拷贝场向量,其定位结果更加稳健.利用计算机仿真数据和海试数据进行了定位性能分析,并给出了常规匹配场定位方法和稳健最大似然定位方法作为对比.研究结果表明:1)不确定海洋环境中,常规匹配场定位方法即使在较高的信噪比条件下其定位性能也较差.2)模态子空间重构定位方法的性能优于常规匹配场定位方法和稳健最大似然方法.     

基于MapReduce的贝叶斯网络参数学习方法

期望最大化(Expectation Maximization,EM)算法常被应用于贝叶斯网络参数学习过程,但在处理海量数据时由于迭代计算过程的复杂性和处理器、内存等资源的限制,该算法的效能受到极大影响;通过对大数据环境下传统线性贝叶斯网络参数学习方法计算复杂性瓶颈问题的研究,提出了基于MapReduce平台的贝叶斯网络并行期望最大化(Parallel Expectation Maximization,PEM)参数学习算法;利用不完备训练样本集,对态势评估贝叶斯网络进行参数学习;仿真结果表明:在大数据条件下PEM算法能够准确的学习网络参数,同时有效减少参数学习所需时间且具有较好的可拓展性。     

不确定海洋环境中基于蒙特卡罗优化的稳健检测方法

常规的检测算法在实际不确定海洋环境中会遇到环境失配的问题,进而导致检测性能下降。本文结合贝叶斯原理和广义似然比方法,基于蒙特卡罗优化技术,提出了一种不确定海洋环境中信号检测方法。该检测器将环境先验信息应用到广义似然比检验中,在保证有效检测的基础上,降低了计算复杂度。同时给出了精确模型匹配检测器、最优贝叶斯信号检测器、平均模型匹配检测器和能量检测器作为对比的检测算法。计算机仿真和SWellEx-96海上实测数据处理结果表明,本文提出的信号检测器检测取得了优于平均模型匹配检测器和能量检测器的性能,其计算效率也有明显提高。     

A Bayesian approach to matched field processing in uncertain ocean environments

An approach of Bayesian Matched Field Processing （MFP） was discussed in the uncertain ocean environment. In this approach, uncertainty knowledge is modeled and spatial and temporal data received by the array are fully used. Therefore, a mechanism for MFP is found, which well combines model-based and data-driven methods of uncertain field processing. By theoretical derivation, simulation analysis and the validation of the experimental array data at sea, we find that （1） the basic components of Bayesian matched field processors are the cor- responding sets of Bartlett matched field processor, MVDR （minimum variance distortionless response） matched field processor, etc.; （2） Bayesian MVDR/Bartlett MFP are the weighted sum of the MVDR/Bartlett MFP, where the weighted coefficients are the values of the a posteriori probability; （3） with the uncertain ocean environment, Bayesian MFP can more correctly locate the source than MVDR MFP or Bartlett MFP; （4） Bayesian MFP can better suppress sidelobes of the ambiguity surfaces.     

Bayesian localization in an uncertain ocean environment

In order to improve the ability to localize a source in an uncertain acoustic environment,a Bayesian approach,referred to here as Bayesian localization is used by including the environment in the parameter search space.Genetic algorithms are used for the parameter optimization.This method integrates the a posterior probability density(PPD) over environmental parameters to obtain a sequence of marginal probability distributions over source range and depth,from which the most-probable source location and localization uncertainties can be extracted.Considering that the seabed density and attenuation are less sensitive to the objective function of matched field processing,we utilize the empirical relationship to invert those parameters indirectly.The broadband signals recorded by a vertical line array in a Yellow Sea experiment in 2000 are processed and analyzed.It was found that,the Bayesian localization method that incorporates the environmental variability into the processor,made it robust to the uncertainty in the ocean environment.In addition,using the empirical relationship could enhance the localization accuracy.     

不确知海洋环境下的贝叶斯声源定位法

为了提高不确知海洋环境下的声源定位性能,贝叶斯声源定位法将环境参数与声源位置同时反演。该方法利用遗传算法在参数空间中寻优,将后验概率密度在环境参数起伏变化范围内积分,得到声源距离和深度的边缘概率分布,从中求得声源位置的最优值,并进行定位结果的不确定性分析。考虑到海底密度和衰减系数对匹配场处理代价函数的敏感性较弱,利用海底参数之间的经验关系实现这两个参数的间接反演。处理并分析了2000年的一次黄海声传播实验数据,研究表明,贝叶斯声源定位法对环境失配有较好的宽容性。采用经验公式可减少待反演参量维数,进一步提高定位的精度。     

An experimental study on matched field processing in shallow water

I.IntroductionPassiverangeanddepthlocalizationofanacousticsourceinshallowwaterisadifficult,yetinterestingproblemthathasreceivedagreatdealofattentioninthelastfewyears['5].Thesimu1taneousestimationofrangeanddepthrequirestheuseofnumericalpropagationmodels.Theclassicalapproachtothisproblemisto"match"thereceivedacousticdatawiththesoundfieldpredictedbythepropagationmodelforanumberofhypotheticalrange/depthsourcelocatiolls.Thistechniqueiscalledmatchedfieldprocessing.Itiscommonlyacceptedthatthewavepro…     

Localization using Bartlett matched-field processor sidelobes

Ambiguity surface sidelobes generated by the Bartlett matched-field processor (MFP) shift location with frequency. This sidelobe shift can be viewed as a continuous trajectory in a range-frequency plane at a fixed depth, where the trajectories converge to the correct source range for a perfectly matched surface. In isovelocity or bottom-interacting environments the sidelobe trajectories are straight lines that converge to the true range at zero frequency, while environments with upward-refracting sound-speed profiles have trajectories that asymptotically converge as the frequency approaches infinity. This behavior can be explained by the theory of waveguide invariants, which predict the local behavior of interference maxima/minima of acoustic intensity in the frequency-range plane. As the ambiguity surface of the Bartlett matched-field processor has a physical interpretation in terms of a time-reversed acoustic field, with the sidelobes analogous to local interference maxima, these invariant concepts can be reformulated for application to MFP. These interference trajectories are demonstrated to exist in simulations, broadband source tows, and a type A blue whale vocalization. Sidelobe trajectories also exist in the range-depth plane, but they contain no information about the correct source depth. An appendix demonstrates how these sidelobe properties can be exploited when combining ambiguity surfaces through use of gradient and Radon transform information. The resulting range estimators demonstrate better peak-to-sidelobe ratios than a simple incoherent average.     

利用宽带引导声源重构拷贝声场的目标声源定位

为了避开传统的匹配场目标定位技术对环境先验知识的依赖性,提出了在均匀浅海环境中只知道少量环境参数的情况下,利用垂直接收阵和不同距离上的两枚宽带引导声源重构声场对目标声源进行定位的一种方法。这种方法主要基于简正波估计和声场重构两种关键技术,同时省去了匹配场定位技术中大量的拷贝声场计算。数值仿真主要采用线性Bartlett匹配处理器分析了目标定位效果,在信噪比高于10 d B的情况下,定位效果良好。     

不确定海洋环境中基于主成分量的稳健检测器

传统的信号检测算法在不确定的海洋环境中性能出现下降。基于贝叶斯原理的最优检测算法可以实现对不确定海洋环境中信号的有效检测,但是其突出问题是计算量较大。本文提出了一种基于主成分量分析的稳健信号检测器,该检测器利用贝叶斯原理将环境先验信息引入到检测算法中,同时使用主成分量分析方法来降低运算量,实现了对信号的快速有效检测。分别使用标准失配海洋模型和海上实测数据进行了计算机仿真和实验验证,结果表明:(1)基于主成分量的稳健信号检测器检测性能达到最优贝叶斯检测器的效果。(2)本文方法在线运算速度是贝叶斯最优检测器的5^一8倍。(3)环境先验信息失配的情况下,扩大海洋环境参数模型的不确定度范围有助于提高检测性能。     

空气中声源的水下匹配场定位

通过水下布放的垂直线列阵采集空中声源在水下激发的测量声场,采用声场波数积分模型(OASES模型)对空中声源激发的水下声场建模,计算出拷贝声场,将二者进行匹配处理从而对空中声源目标定位。首先通过数值仿真验证了匹配场处理技术对空中声源的测距能力,并通过引入宽带匹配场处理器平滑掉距离上的周期性旁瓣。最后分析南海某海域的空气声试验数据,采用常规匹配场方法对700 m以内的32组空中声源目标进行定位,测距结果与GPS计算的收发间实际距离相比,大多数情况下是一致的,在较远距离由于信噪比降低,测量结果容易出现偏差。