科學家提出基於機器學習的水下聲源被動定位方法

在水聲學中，匹配場技術是用於水下聲源遠程被動定位的常見方法。但該方法對拷貝場和測量場之間的失配較為敏感，限制了其實際應用。

近日，中國科學院聲學研究所牛海強與美國加州大學科研人員合作，提出了一種基於機器學習的水下聲源被動定位方法。該方法是一種數據驅動的方法，計算機可從觀測數據中學習到聲源的距離信息。

研究人員依據距離估計問題可轉化為機器學習領域中的分類或回歸問題進行求解，將聲壓數據構建的採樣協方差矩陣，作為前饋神經網路、支持向量機和隨機森林三種機器學習模型的輸入，利用一次海試實驗（Noise09）的數據，系統研究了三種機器學習模型的定位性能，並與傳統的匹配場方法進行了對比。研究表明，以上3種機器學習分類器對應的平均絕對值百分比誤差是2%至3%。較機器學習回歸器和匹配場定位方法的10%至59%誤差，有明顯優勢。這表明，在水下聲源定位性能上，機器學習分類器要優於回歸器和傳統匹配場技術。此外，該研究提出的方法不依賴於對水下聲場的理論建模，為機器學習在水聲學中的應用打開了新的思路。

相關研究成果發表在《美國聲學學報》上。

來源：中國科學院聲學研究所

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！