[发明专利]基于跨时空声速剖面聚类的声速分布快速估计方法

说明书

本发明公开了一种基于跨时空声速剖面聚类的声速分布快速估计方法，属于海洋参数估计技术领域。本发明首先判定声速分布估计区域的类型：根据目标区域所处纬度，分为存在表面层区域和无表面层区域；对含表面层区域进行历史声速剖面数据样本聚类；对无表面层区域进行历史声速剖面数据样本聚类；对目标区域声速剖面所属类型进行时空映射，判断目标区域声速剖面所属类型，获得目标区域声速剖面所属类型估计输出；最后得到目标区域声速剖面分布估计。本发明解决了水下声速剖面分布的快速估计问题，缩短了目标区域水下声速分布估计时间开销，提高了水下声速分布估计实时性，以便水下定位导航授时系统提高水下测距、定位、导航与授时精度。

技术领域

本发明属于海洋参数估计技术领域，具体地说，尤其涉及一种基于跨时空声速剖面聚类的声速分布快速估计方法。

背景技术

现有的水下声速剖面分布估计方法，通常利用现场实测声场、温度场、盐度场数据作为输入参考信息估计区域声速剖面分布情况，可以获得目标区域较为精确的声速剖面分布估计，但是由于需要进行现场数据测量工作，因此仍不能实时给出目标区域声速估计结果。

Tolstoy等提出一种基于匹配场处理的声速剖面反演方法，该方法结合射线追踪理论与正交经验函数分解，通过匹配场处理技术，搜索候选声速剖面，使其模拟的理论信号传播时间与实测值误差最小，从而确定声速剖面估计值，能够较为精确的拟合实际声速剖面，但该方法匹配项确定过程复杂度较高，反演算法时间效率低。艾锐峰等提出一种基于神经网络的声速剖面反演方法，将正交经验函数分解系数、海表温度等特征作为神经网络的输入，对海区垂直声速剖面进行反演，与基于匹配场处理的声速剖面反演方法相比，在保持同等精度量级的情况下能够有效减小声速反演估计的计算时间开销。李博等提出了一种联合卷积循环神经网络和历史海区垂直温、盐数据预测未来海区温、盐数据的方法，该方法结合了历史海域的温、盐数据对目标区域温、盐数据进行了预测，再利用声速经验公式将温、盐、深数据转化为声速剖面，该方法同样具有算法时间开销小的优势，但对数据源种类要求较高。Huang等提出一种综合优化的自适应神经网络声速剖面反演方法，将时间、地点、深度信息作为神经网络输入反演声速剖面，相比于基础神经网络进行声速反演的方法，其反演的声速剖面精度更高。

总体来说，上述声速剖面反演方法均在声速反演时利用现场实测声场、温度场、盐度场数据作为输入参考信息估计区域声速剖面分布情况，可以获得目标区域较为精确的声速剖面分布估计，但是由于需要进行现场数据测量工作，因此仍不能实时给出目标区域声速估计结果。

发明内容

本发明的目的在于提供一种基于跨时空声速剖面聚类的声速分布快速估计方法，以弥补现有技术的不足。

为达到上述的目的，本发明采取的具体技术方案为：

一种基于跨时空声速剖面聚类的声速分布快速估计方法，包括以下步骤：

S1：首先判定声速分布估计区域的类型：根据目标区域所处纬度，分为存在表面层区域和无表面层区域；

S2：对含表面层区域进行历史声速剖面数据样本聚类，得到存在表面层区域声速剖面聚类集合；

S3：对无表面层区域进行历史声速剖面数据样本聚类，得到无表面层区域声速剖面聚类集合；

S4: 对目标区域声速剖面所属类型进行时空映射，采用K邻近算法判断目标区域声速剖面所属类型，获得目标区域声速剖面所属类型估计输出；

S5：目标区域声速剖面分布估计：以目标区域声速剖面所属类型估计输出中声速剖面样本平均值作为目标区域声速剖面分布估计。

进一步的，所述S1具体为：