买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于简正波相位与多任务神经网络水下声源距离估计方法_西北工业大学_202211549108.7 

申请/专利权人:西北工业大学

申请日:2022-12-05

公开(公告)日:2023-03-14

公开(公告)号:CN115796039A

主分类号:G06F30/27

分类号:G06F30/27;G06N3/0464;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2023.03.31#实质审查的生效;2023.03.14#公开

摘要:本发明涉及一种基于简正波相位与多任务神经网络的水下声源距离估计,首先在一定地声参数范围内计算仿真声压相位,并对仿真数据与实测数据进行归一化;然后利用计算得到的声压相位作为训练数据,水平距离、海底底质声速与模态信息作为监督信号训练一个多任务模型;利用测试数据对模型进行初步测试以验证方法的有效性;最后利用少量的已归一化实测复声压对模型进行微调,并在其余实测数据上再次测试。提高了距离预测能力的鲁棒性;使用迁移学习缓解仿真数据与实测数据的分布差异,实验证明仅需极少的实测数据即可大幅提升模型距离预测性能。

主权项:1.一种基于简正波相位与多任务神经网络水下声源距离估计方法,其特征在于步骤如下:步骤1:绝热简正波的相位计算公式如下所示: 其中:Φmf;r表示声压相位,km是水平波数的实部;利用以上公式计算的宽带声压相位:ΦM=[ΦM1,...,ΦMf,...ΦMF]利用下式进行归一化: 其中Re·和Im·分别表示取复向量的实部和虚部;对于实测声场,使用宽带复声压进行表示:p=[p1,...,pf,...,pF]进行归一化: 使回归任务的标签能够统一尺度,采用下式对标签进行归一化: 其中Ri表示距离标签,Si表示底质声速标签,Mi表示模态组合的编号,n表示训练样本的数量;最终得到已归一化的仿真声场相位、实测复声压以及对应仿真声场的距离、深度、底质声速标签;步骤2:构建多任务神经网络模型,网络采用残差块的堆叠:第一层为一个64通道,尺寸为3×3的卷积层Conv;之后每个残差块的主连接部分采用两层卷积层,卷积核尺寸为3×3,在卷积层后为修正线性单元ReLu激活函数以及批归一化层BatchNormalization;前两个残差块通道数为64,后两个为128;跳连接部分第一残差块、第二残差块和第四残差块直接将输入数据和主连接映射数据相加,第三个残差块先利用一个128通道卷积层对数据进行映射,然后再和主连接映射数据相加;数据经过以上神经网络编码并展平得到1024维的深度特征,然后分别经过三个线性Fc层得到1维的预测结果,分别对应距离、底质声速与模态;以步骤1计算得到的数据的格式对多任务神经网络模型进行训练,训练时每个预测结果的损失函数均采用平均平方误差MSE,任务权重均设为1;最终的损失函数: 其中:与分别为神经网络对距离、底质声速、模态的预测;步骤3:对已得到的神经网络进行迁移学习,在迁移学习时抛弃底质声速与模态的预测线性层,只对距离预测线性层进行微调;步骤4:对实测数据使用步骤3迁移学习后的神经网络,得到距离估计结果。

全文数据:

权利要求:

百度查询: 西北工业大学 基于简正波相位与多任务神经网络水下声源距离估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术