OA系统图书馆网站地图所长信箱English中国科学院
 
首页机构概况科研成果研究队伍国际交流科技合作研究生教育文化建设党群园地科学传播信息公开
  综合新闻  
  图片新闻  
  科研动态  
  学术活动  
  媒体报道  
您现在的位置:首页 > 老网站 > 新闻动态 > 科研动态
机器学习算法辅助定位海洋水下声源
2018/01/04 | 作者:声场声信息国家重点实验室 牛海强 | 【 【打印】【关闭】

  在水声学中,匹配场技术是用于水下声源远程被动定位的常见方法,但是该方法对拷贝场和测量场之间的失配较为敏感,限制了其实际应用。

  声学所牛海强和美国加州大学的同事合作,提出了一种基于机器学习的水下声源被动定位方法。这是一种数据驱动的方法,计算机可从观测数据中学习到声源的距离信息。相关研究成果已发表于国际学术期刊《美国声学学报》(2017年第142卷第3期)。

  距离估计问题可转化为机器学习领域中的分类或回归问题进行求解。研究人员将声压数据构建的采样协方差矩阵,作为前馈神经网络、支持向量机和随机森林三种机器学习模型的输入,利用一次海试实验(Noise09)的数据,系统研究了三种机器学习模型的定位性能,并与传统的匹配场方法进行了对比。

  这三种机器学习分类器对应的平均绝对值百分比误差是2-3%。相比之下,机器学习回归器和匹配场定位方法的误差为10%-59%。这表明在水下声源定位性能上,机器学习分类器要优于回归器和传统匹配场技术。

  牛海强等人提出的基于机器学习的水下声源被动定位方法,不依赖于对水下声场的理论建模,这一创新性工作为机器学习在水声学中的应用打开了新的思路。

 
  相关新闻
Copyright 1996 - 中国科学院声学所 版权所有 备案序号:京ICP备16057196号 京公网安备110402500001号
地址:北京市海淀区北四环西路21号中国科学院声学研究所  邮编:100190