電子所務圖書館網站地圖所長信箱English大中华彩票
 
首頁機構概況科研成果研究隊伍國際交流科技合作研究生教育創新文化黨群園地科學傳播信息公開
  綜合新聞  
  圖片新聞  
  科研動態  
  學術活動  
  媒體報道  
您現在的位置:首頁" class='hui12s CurrChnlCls'>首頁 > 新聞動態 > 科研動態
研究人員提出一種利用聲場大數據和深度學習的寬帶水下聲源定位
2019/08/23 | 作者:声场声信息国家重点实验室 牛海强 | 【 【打印】【關閉】

  在有實際觀測數據的場景下,機器學習在海洋聲源定位方面已經顯示出應用潛力。然而,采集海上實測數據往往成本較高,在某些場景下甚至難以實現。如何在不確知環境下准確定位水下聲源是水聲應用領域最具挑戰性的問題之一。

  近期,中科院聲學所的牛海強等人與美國Scripps海洋研究所的研究人員聯合提出一種適用于不確知海洋環境的基于深度學習的水聲被動定位方法。該方法利用聲場傳播模型生成的上千萬個訓練樣本,對一組50層的深度殘差卷積神經網絡進行訓練,實現了單水聽器對單個聲源的遠程被動定位。相關研究成果20197月在線發表于國際學術期刊Journal of the Acoustical Society of America

  這種基于深度學習的水聲被動定位方法,通過假設大量環境參數的組合,利用聲傳播模型生成仿真的大聲場數據集,以應對環境的不確定性。爲在大數據集上訓練深度學習模型,研究人員采用了兩步訓練策略。第一步,通過一個殘差卷積網絡確定聲源的距離區間(每個區間的尺度爲5 km);第二步,對聲源的距離和深度進行較高分辨率估計。

  

  圖 1 聲源定位算法(圖/中科院聲學所)

  在不同海底參數、聲源幅度和信噪比條件下的仿真測試集上的測試結果表明,基于深度學習模型的聲源定位算法性能優異,可適用于不確知環境參數下的聲源定位。海試實驗數據顯示,對于單水聽器接收到的80個氣槍信號,88.8%的距離估計誤差在1.5 km以下,83.8%的深度估計誤差在10 m以內,進一步驗證了算法在不確知環境下的定位性能。

  

  圖 2 深度學習方法和聚焦匹配場方法的對比:(a) 距離估計結果;(b) 深度估计结果 (图/中科院聲學所)

  該項研究受到國家自然科學基金(1143401211874061)和大中华彩票青年创新促进会资助。

  關鍵詞:

  深度神經網絡;水下聲源定位;不確知環境;大數據

  參考文獻:

  NIU Haiqiang, GONG Zaixiao, Emma Ozanich, Peter Gerstoft, WANG Haibin, LI Zhenglin. Deep-learning source localization using multi-frequency magnitude-only data. Journal of the Acoustical Society of America. (vol. 146, no. 1, pp. 211-222, July 2019). DOI: 10.1121/1.5116016.

  論文鏈接:

  https://asa.scitation.org/doi/10.1121/1.5116016

 
  相關新聞
Copyright 2003-2016 大中华彩票声学所 版权所有 备案序号:京ICP備16057196號 京公網安備110402500001號
地址:北京市海淀区北四环西路21号大中华彩票声学研究所  邮编:100190
E-mail:www.cnshyn.com