[发明专利]一种基于深度学习的漂流式浅海局部地声参数预测方法

说明书

本发明提供了一种基于深度学习的漂流式浅海局部地声参数预测方法，属于浅海局部地声参数的数据处理技术领域，具体包括如下步骤：采用漂流方式获取海底反射数据；对采集到的原始海底反射数据进行预处理；再基于几何声波传播模型根据信号到达时间区分反射波和直接到达波，获取实际的海底反射信息；基于积分变换法和待定系数法构建二维海底反射信息数据集；在数据集上训练多通道自相关度机制神经网络，网络输出即是海底反射信息对应的海底地声参数。本发明克服现有技术中在预测浅海局部地声参数时，不能实现局部宽掠射角范围内的声学数据采集、浅海局部声场建模复杂、模型训练效率较低问题。

技术领域

本发明涉及浅海局部地声参数的数据处理技术领域，具体涉及一种基于深度学习的漂流式浅海局部地声参数预测方法。

背景技术

浅海海底沉积物的地声参数作为描述海底特性的重要内容，逐渐成为海洋声学探测领域的研究重点。由于海底的作用，浅海声学比深海声学更为复杂，存在严重的多途传播和频散效应。海底沉积物的声速、密度、声衰减系数等地声参数是进行海底资源考察和科学研究所必需的基础信息，这些因素对声场的准确预测、声纳的作用距离估计以及声源的定位精度等方面产生影响。因此，获取浅海沉积物地声参数对于合理开发和利用海洋具有重要意义。

常规地声参数预测方法多基于远距离的声传播数据实现，当海底底质在水平方向上变化较大时，其难以准确地反映局部海底地声参数。基于海底反射信息随掠射角变化关系的预测方法是获取局部海底地声参数的有效手段，但由于不同的地声参数对掠射角敏感性存在差异，利用小掠射角范围的数据进行地声参数预测时难以得到准确的结果。同时因水深较浅，常规浅海声学数据采集过程中宽掠射角范围的信息获取存在困难。因此，有必要提出有效可靠的试验方案，实现局部宽掠射角范围内的声学数据采集。

在地声参数预测中常采用简正波模型进行声场建模，将声波等效为一系列简正波模态的叠加，但其忽略割线积分的影响，对近场问题高频模态会产生截止误差，无法满足局部声场精确模拟的需要。且计算中常采用球面波或柱面波解的计算方式较为繁琐，不利于将问题简化。因此需要一种简便、准确的可适用于近场问题的计算方法，从而实现快速精确的局部声场建模。

在采集到实测数据后，还需要对原始数据进行预处理并提取出有效反射信息，为地声参数预测提供依据。预测过程常采用的方法包含两类：（1）基于经验公式拟合，该方法依据流体理论、弹性理论和多孔弹性理论等，由包含沉积物地声参数的经验公式进行地声参数预测，通过实测数据对比得到测量地区的地声参数。然而该方法效率较低且精度较差，也不适合迁移应用到其他区域。（2）基于机器学习的匹配场预测方法，该方法先通过声场建模得到目标海域的理论声场，再通过遗传算法、模拟退火算法、随机森林算法等机器学习算法进行参数寻优，从而训练机器学习模型。再将实测的数据输入到训练好模型中，从而实现目标区域地声参数的预测。该方法精度较高，但由于实际需要获取较多耦合的参数，模型相对复杂、训练效率较低。

因此，现需要一种能够实现局部宽掠射角范围内的声学数据采集，快速、精确地进行局部声场建模，并且模型相对简单、训练效率较高的基于深度学习的漂流式浅海局部地声参数预测方法。

发明内容

本发明的主要目的在于提供一种基于深度学习的漂流式浅海局部地声参数预测方法，以解决现有技术中在预测浅海局部地声参数时，不能实现局部宽掠射角范围内的声学数据采集、浅海局部声场建模复杂、模型训练效率较低问题。

一种基于深度学习的漂流式浅海局部地声参数预测方法，具体包括如下步骤：

S1，采用漂流方式获取海底反射数据；

S2，对由步骤S1采集到的原始海底反射数据进行预处理；采用基于深度学习的时域滤波方法去除噪声信号，基于多通道自相关度机制神经网络提取有效信号，再基于几何声波传播模型根据信号到达时间区分反射波和直接到达波，获取实际的海底反射信息；

S3，基于积分变换法和待定系数法构建二维海底反射信息数据集；