對集合卡爾曼濾波在時變海洋環(huán)境下的聲速剖面追蹤性能進(jìn)行了分析。將南海實驗背景下普林斯頓海洋模型預(yù)報的聲速剖面正交分解為3階系數(shù)組成的狀態(tài)-空間形式,其狀態(tài)轉(zhuǎn)移方程建模為3階自回歸過程;基于卡爾曼反饋理論,利用適合于水平非均勻模型RAM仿真的觀測聲壓場對系統(tǒng)狀態(tài)進(jìn)行校正,實現(xiàn)聲速剖面的動態(tài)追蹤。在水平均勻、水平非均勻和海底參數(shù)失配環(huán)境下的仿真結(jié)果均能較好地實現(xiàn)對聲速剖面的追蹤,驗證了算法的可行性。同時對不同信噪比、粒子數(shù)、陣元數(shù)和海底參數(shù)失配等情況下的分析表明,觀測信息量的增加可以有效抑制觀測誤差和模型誤差的影響,相關(guān)結(jié)論得到了實驗數(shù)據(jù)的驗證。 

【文章來源】：聲學(xué)學(xué)報. 2020,45(02)北大核心

【文章頁數(shù)】：13 頁

【部分圖文】：

圖５（ａ）中，信噪比為１０?ｄＢ，?２０?ｄＢ和??３０?ｄＢ?時分別會導(dǎo)致?１．２?ｍ／ｓ，０．５７?ｍ／ｓ?和?０．４５?ｍ／ｓ?

１８２??２０２０?年??況，本文通過增加觀測頻率的方式對時空變化的聲??速剖面進(jìn)行追蹤。圖８給出了綜合２００?Ｈｚ和３００?Ｈｚ??兩個觀測頻率下的前三階ＥＯＦ系數(shù)的追蹤情況，??圖７（ａ）、圖７（ｂ）和圖７（ｃ）分別對應(yīng)３個不同區(qū)域。??結(jié)果顯示，在足夠觀測信息的支持下，３個區(qū)域的??ＥＯＦ系數(shù)隨時間的變化都能被較好的追蹤，驗證了??ＥｎＫＦ在水平非均勻環(huán)境下應(yīng)用的可行性。??２０?４０?６０?８０?１００?１５２５?１５４５??時間（ｈ）?聲速（ｍ／ｓ）??１５２８?１５３０?１５３２?１５３４?１５３６?１５３８?１５４０?１５４２?１５４４?１５４６??圖７?ＰＯＭ預(yù)報水平非均勻時變聲速剖面和平均聲速剖面??⑷第Ｉ區(qū)域；（ｂ）第ＩＩ區(qū)域；（Ｃ）第ＩＩＩ區(qū)域??ＥＯＦ系數(shù)組成的狀態(tài)空間可以表示為：??Ｗ＂（ｎ）?＝?［ｄｉｉ，ｄｉ２，?〇１３，?〇２１，ａ２２，１２２３，?Ｇ３１，ａ３２，?〇Ｓ３］Ｔ，（１８）??其中叫表示第ｉ個區(qū)域中第ｊ階ＥＯＦ系數(shù)。??可以看出，水平環(huán)境的不均勻使待追蹤狀態(tài)空??間維數(shù)成倍增加，這將大大提高追蹤難度。為了獲得??較好的追蹤結(jié)果，參考在水平均勻環(huán)境下的追蹤情??截??時間（ｈ）??時間（ｈ）??⑷第Ｉ區(qū)域??翁??翁??時間（ｈ）??時間（ｈ）??（ｂ）第ＩＩ區(qū)域??時間（ｈ）??時間（ｈ）??聲?學(xué)學(xué)報??

分將從實際應(yīng)用出發(fā)，鑒于海底信息不確??切的背景，研究ＥｎＫＦ算法在海底失配情況下的追??蹤性能．??為了簡化問題，仿真環(huán)境采用第２部分中水平??均勻環(huán)境，而海底采用一層半無限大均勻模型，真實??參數(shù)為聲速１６００?ｍ／ｓ，密度１．６?ｇ／ｃｍ３，衰減與頻率??的關(guān)系符合ａ?＝?０．３?（／／２００產(chǎn)２?ｄＢ／Ａ，利用控制變量??法分別對聲速和密度擾動，模擬海底的失配環(huán)境并??進(jìn)行仿真追蹤，具體仿真情況見圖１〇。??為了驗證觀測量在水平非均勻環(huán)境下的作用，以??第Ｉ區(qū)域為例，圖９給出在２００?Ｈｚ單頻和綜合２００?Ｈｚ??和３００?Ｈｚ的追蹤誤差情況。可以看出，僅２００?Ｈｚ單??頻的信息對處理第２４小時的水文突變情況不佳，造??成大于２?ｍ／ｓ的追蹤誤差。通過增加３００?Ｈｚ觀測頻??率后，算法對突變水文的處理能力明顯提高，使追蹤??誤差穩(wěn)定在０．５?ｍ／ｓ以下，圖中黑虛線是在４５小時后??仿真由于外界原因失去３００?Ｈｚ觀測信息情況的仿真??結(jié)果，可以看出，４５小時后的追蹤誤差明顯增加，從??側(cè)面驗證了觀測信息量對ＥｎＫＦ的重要作用。綜合??仿真結(jié)果分析，在多參數(shù)的水平非均勻環(huán)境下，觀測??童的不足會引起系統(tǒng)系數(shù)之間的相互“妥協(xié)”和？？折??中”效應(yīng)，形成一個追蹤的平均效果，產(chǎn)生較大的追??蹤誤差。觀測信息量的增加，可以有效限制參數(shù)之間??的平衡作用，獲得更準(zhǔn)確的追蹤結(jié)果。所以在實際應(yīng)??用中，尤其是在復(fù)雜環(huán)境下，可以通過變換聲源深度??和發(fā)射頻率、采用移動聲源、組合陣接收等方式獲取??大量的聲場信息，提高追蹤效果。另外，從聲速剖面??的重構(gòu)角度，離散深度上的聲速觀測值也可以作為重??要觀測數(shù)據(jù)參

【參考文獻(xiàn)】：
期刊論文
[1]時變水聲信道的動態(tài)壓縮感知估計[J]. 江偉華,鄭思遠(yuǎn),童峰,李斌.  聲學(xué)學(xué)報. 2019(03)
[2]Multipath structure of the typical under-ice sound channel in the Arctic:theory and experiment[J]. LIU Chonglei,HUANG Haining,YIN Li,LIU Na,WEI Chonghua,LI Qihu.  Chinese Journal of Acoustics. 2019(01)
[3]Tracking-positioning of sound speed profiles and moving acoustic source in shallow water[J]. GUO Xiaole,YANG Kunde,MA Yuanliang.  Chinese Journal of Acoustics. 2017(04)
[4]Tracking of time-evolving sound speed profiles with an auto-regressive state-space model[J]. JIN Liling,LI Jianlong,XU Wen.  Chinese Journal of Acoustics. 2017(03)
[5]淺海中孤立子內(nèi)波引起的聲能量起伏[J]. 秦繼興,KATSNELSON Boris,李整林,張仁和,駱文于.  聲學(xué)學(xué)報. 2016(02)
[6]聲速剖面對不同深度聲源定位的影響[J]. 蘇林,馬力,宋文華,郭圣明,鹿力成.  物理學(xué)報. 2015(02)
[7]利用簡正波頻散特征映射方法進(jìn)行海洋環(huán)境參數(shù)反演[J]. 牛海強,何利,李整林,張仁和,南明星.  聲學(xué)學(xué)報. 2014(01)
[8]非線性內(nèi)波存在下的淺海遠(yuǎn)程混響模型[J]. 張榮瀚,李琪.  聲學(xué)學(xué)報. 2013(05)
[9]淺海環(huán)境下數(shù)據(jù)同化聲層析方法研究[J]. 李建龍,徐文,金麗玲,郭圣明.  聲學(xué)學(xué)報. 2012(01)
[10]南海北部海水聲速剖面聲學(xué)反演[J]. 何利,李整林,彭朝暉,吳立新,劉建軍.  中國科學(xué):物理學(xué) 力學(xué) 天文學(xué). 2011(01)



本文編號：2980337