基于深度学习的深海声压高阶量目标被动声源定深方法研究.pdf

基于深度学习的深海声压高阶量目标被动声源定深方法研究

摘要

随着国家海洋战略重点的转移，我国对深海水声探测领域越来越重视，在深海水

声探测领域中，水面和水下目标识别在军事领域具有更为深远的重大战略意义。目前

传统的深海目标深度估计算法存在对海洋环境、目标运动速度、声源频率等先验信息

依赖较大的问题，基于人工智能的深海目标深度估计算法为水面和水下目标的判别提

供了新思路。此外，目前绝大多数的基于人工智能的深海目标深度估计算法的输入是

声压协方差矩阵，较少涉及声压高阶量特征，而声压高阶量特征在目标深度估计领域

具有巨大的研究价值。因此，论文的目的是开展基于人工智能的声压高阶量特征的被

动深海声源的定深方法研究，以期提高一段时间历程信号中的目标深度估计的可靠性

和有效性。

首先，论文推导了声压高阶量和常见的声场模型公式，证明了声压高阶量与目标

深度之间的相关性，之后通过BELLHOP仿真分析了在给定的一段时间历程信号中基于

ResNet神经网络的声压一、二阶量在直达波区和影区内定深的可行性，并定量分析了

每个声压一、二阶量对目标深度估计的贡献权重，实验结果表明，深度方向的声压一、

二阶量是实现深海目标被动定深的关键特征；基于这一研究结果，论文进一步研究了

深度方向的声压一、二阶量在直达波区和影区范围内定深的可行性，通过可视化网络

中间层的相关输出参数之间的欧氏距离和相关系数定性分析了深度方向的声压一、二

阶量定深的可解释性，并通过数值仿真验证了基于ResNet神经网络的声压高阶量定深

算法的有效性，为后续的目标深度估计方法研究奠定了基础。

其次，基于深度方向的声压一、二阶量是实现定深的关键特征这一研究结果，论

文通过BELLHOP仿真研究分析了不同的目标运动速度、接收深度、声源频率和一次性

输入的信号时间历程长度（神经网络输入的信号滑动窗长）对这四个关键特征定深的

精度和稳定性的影响，并进一步研究了一定范围内的声源频率扰动、声速剖面扰动、

目标声源级扰动和接收深度扰动对这四个关键特征定深的可靠性和稳定性的影响。通

过数值仿真验证了深度方向的声压一、二阶量定深的可靠性和有效性。

最后，论文在十字型六元阵采集的海试数据中解算出深度方向的声压一阶量特征，

研究分析了基于ResNet网络的深度方向的声压一阶量特征定深算法在实际海试数据中

的有效性和可靠性；在论文的研究背景下，网络先对信号中的目标有无进行判决，实

验结果表明基于深度方向的声压一阶量特征的目标有无的判决准确率在80%以上，为

哈尔滨工程大学硕士学位论文

后续的目标深度估计研究奠定了基础。之后在海试数据中研究了神经网络的网络中间

层数、一次性输入的滑动窗口内的信号时间历程长度和输入的声源频率对基于深度方

向的声压一阶量特征的ResNet网络定深的精度和稳定性的影响。通过海试数据测试验

证了基于ResNet神经网络的深度方向的声压一阶量定深算法在实际水面目标识别中的

有效性。

关键词：声压高阶量；深海目标智能深度估计，ResNet18网络框架；深度学习；卷积

神经网络

基于深度学习的深海声压高阶量目标被动声源定深方法研究

Abstract

Withtheshiftofnationalmarinestrategicfocus,Chinaispayingmoreandmoreattention

tothefieldofdeep-seaacousticdetection.Inthefieldofdeep-seaacousticdetection,surface

andunderwatertargetrecognitionhassignificantstrategicsignificanceinthemilitaryfield.At

present,traditionaldeepseatargetdepthestimationalgorithmshavetheproblemofrelying

heavilyonpriorinformationsuchasoceanenvi