关键词:
水下滑翔机
卷积神经网络
自噪声分类
海洋环境噪声特性
海面风速
摘要:
声波作为海洋中唯一可进行远距离传输的能量形式,是水下目标探测、水下通讯和导航等方面的唯一有效辐射能。海洋环境噪声是海洋中的固有声场,包含了海面风速、降水等丰富的环境信息;同时也是水声信道中的一种干扰背景场,影响水声设备的声通信能力。所以对海洋环境噪声进行长时间、大范围的连续观测具有重要科学意义及工程实用价值。水下滑翔机是一种新型水下无人潜航器,在海洋环境噪声观测上具有活动范围大、功耗低和机动性强等优势,但是水下滑翔机各类自噪声作为干扰源会对海洋环境噪声的观测带来影响。因此本文以“海燕-L”水下滑翔机在印度洋东南海域实测的声学数据为研究对象,主要做了以下研究:改进传统Le Net-5神经网络实现水下滑翔机自噪声的分类研究。先分析了自噪声的组成及其时频域特性;针对自噪声信号通过梅尔滤波器组不同频带所表现出不同能量特征信息的特点,共截取了5580段各类自噪声数据,提取对数梅尔谱图特征,再转化为灰度图作为模型的输入。通过多次实验,不断改进神经网络结构,调整模型的参数设置,搭建了一个新的神经网络模型:卷积层的层数为3层,各层的深度分别为16、32、64个5×5的卷积核;并且在每个卷积层和全连接层后使用Re LU激活函数;采用Adam梯度下降算法来更新神经网络的权重参数,初始学习率为0.001,下降因子设置为0.3,此时的模型经过50轮迭代后最高准确率可达到96.36%,但存在过拟合。针对模型的过拟合现象,在全连接层中加入Dropout操作,这明显的消除了分类准确率曲线振荡的现象。在经过100轮的迭代,和改进前的82.47%的分类准确率相比,改进后的模型最终取得了98.06%的分类准确率。对水下滑翔机自噪声分类后,在观测到的原始声学数据中截取出没有自噪声影响的海洋环境噪声数据,同时根据NCEP海面风速再分析数据。先分析了整个观测期间海洋环境噪声的时频域特性;由于每个环境噪声数据段所处深度都是变化的,然后分析了环境噪声谱级与深度的变化关系;最后定量计算了环境噪声谱级与风速的相关系数,并对二者做线性拟合分析,得到如下结论:环境噪声谱级与海面风速的变化趋势具有较强的一致性,即海面风速大小对环境噪声谱级起主导作用;海洋环境噪声谱级受深度变化的影响较小,在分析水下滑翔机观测的海洋环境噪声风关特性时可以忽略深度变化带来的影响;在小于4 k Hz的频段内受水下滑翔机所搭载温盐深仪(CTD)泵噪声影响,相关系数在0.2以下,在6-10 k Hz频段内相关系数达到0.8左右的高度相关;在5-20 k Hz频段内,环境噪声谱级与海面风速拟合曲线呈线性函数关系。海洋环境噪声谱级随着风速增大而增大,随着中心频率增高而逐渐降低,并且频率衰减平均5 d B左右。