[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

说明书

一种基于机器学习的快速匹配场海底声学参数反演方法，首先根据实验海域的环境先验信息和收发配置，选择声学传播模型建立仿真环境；然后在不同的海底声学参数下结合测量声场计算目标函数值，基于该正向映射建立数据集，用于训练与测试机器学习模型；最后在匹配场反演的参数更新过程中，针对扰动前后的参数，先利用机器学习模型快速筛选有效扰动，再利用声学传播模型判断接受或者拒绝，经过多轮参数更新后收敛至全局最优。本发明在传统匹配场反演过程中引入基于机器学习的预筛选处理，减少声学传播模型的调用次数，进而降低反演耗时，而声学传播模型的进一步判断保障了反演准确性，能提高快速海底特性分析能力。

技术领域

本发明涉及水声探测技术领域，具体涉及一种基于机器学习的快速匹配场海底声学参数反演方法。

背景技术

在浅海环境中，水下声源发射的部分声线在水体和海底交界处发生反射，会携带海底信息。海底声学参数反演方法，简称地声反演方法，通过信号处理算法获取接收声场中的海底信息。其主要原理为根据测量声场，基于水下声信号传播特性，使用反演方法估计海底声学参数，如沉积层声速、密度、衰减系数等。这些参数对声传播损失的预测和声呐性能的评估起着非常重要的作用。

匹配场反演是最常用的地声反演方法，其基本原理为匹配声学传播模型生成的接收声场与测量声场，利用优化算法在高维参数空间搜索匹配度最高的海底声学参数。声学传播模型是描述水下声信号传播特性的数值计算模型，其生成的接收声场通常又被称为拷贝声场。在地声反演问题中，待反演的参数较多，搜索空间较大较复杂且随着参数的增加呈几何式上升，使得匹配场反演需要多次调用计算耗时的声学传播模型，经过较长时间才能获得全局最优解，反演效率较低。当海底声学参数与距离有关时，需要根据走航获取的测量声场实时估计，进而实现快速准确的海洋环境建模，用于进一步的水声应用。在此类对地声反演有实时性要求的情况下，解决匹配场反演耗时较长的问题尤为重要。

发明内容

本发明要克服传统匹配场反演中耗时较大的缺点，提供一种基于机器学习的快速匹配场海底声学参数反演方法。

本发明在传统匹配场反演中引入基于机器学习的预筛选处理，大幅度降低反演耗时的同时不影响反演准确性。包含以下步骤：

S1、获取数据集；

根据实验海域的环境先验信息和收发配置，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。