[发明专利]一种基于机器学习的快速匹配场海底声学参数反演方法

权利要求书

1.一种基于机器学习的快速匹配场海底声学参数反演方法，包含以下步骤：

S1、获取数据集；

根据实验先验信息，选择声学传播模型建立仿真环境，在不同的海底声学参数下计算接收声场，通常又被称为拷贝声场，以前者为机器学习模型输入量，记为特征，后者为模型预测参考量，记为标签，建立数据集；

S2、训练与测试机器学习模型；

构建目标函数衡量拷贝声场与测量声场的匹配度，将数据集的标签转换为目标函数值，利用新的数据集，建立机器学习模型进行训练与测试；

S3、将机器学习模型引入传统匹配场反演

在传统匹配场反演过程中，使用优化算法在高维参数空间搜索全局最优，参数更新过程为

其中，接受条件由优化算法决定。m和m′表示扰动前后的海底声学参数，基于声学传播模型计算扰动前后的目标函数值f和f′，若Δf＝f′-f满足接受条件则更新为扰动后的参数，否则参数保持不变；引入机器学习模型后参数更新过程变为

其中，针对扰动前后的海底声学参数m和m′，先基于机器学习模型快速计算扰动前后的目标函数值F和F′，根据ΔF＝F′-F和接受条件进行预筛选，若通过预筛选则进一步基于声学传播模型准确计算扰动前后的目标函数值f和f′，若Δf＝f′-f满足接受条件则更新为扰动后的参数，否则参数保持不变；

S4、估计海底声学参数；

根据测量声场和参数搜索区间，使用基于机器学习的快速匹配场海底声学参数反演方法估计全局最优参数。

2.根据权利要求1所述的一种基于机器学习的快速匹配场海底声学参数反演方法，其特征在于：当发射信号频谱未知时，步骤S2所述的目标函数使用阵元相干(phone-coherent)目标函数，以衡量拷贝声场与测量声场的匹配度：

其中，m＝[m₁ m₂...m_K]^T表示K个海底声学参数组成的参数向量，(·)^T和(·)^H分别表示转置和共轭转置，N_F和N_H分别是接收声场频率数和接收阵阵元数，令d_n(f_i)表示第n个阵元处频率为f_i的测量声压值，是N_H个阵元在频率f_i处的测量声压向量，令g_n(f_i,m)表示给定参数向量m，第n个阵元处频率为f_i的拷贝声压值，是给定参数向量m，N_H个阵元在频率f_i处的拷贝声压向量。

3.根据权利要求1所述的一种基于机器学习的快速匹配场海底声学参数反演方法，其特征在于：当阵元位置不确定性较大时，步骤S2所述的目标函数使用对阵列形状失配不敏感的频率相干(frequency-coherent)目标函数，以衡量拷贝声场与测量声场的匹配度：

其中，是第n个阵元在N_F个频率处的测量声压向量，是给定参数向量m，第n个阵元在N_F个频率处的拷贝声压向量。